import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import datetime as dt
import locale
import pytz
import seaborn as sns
from IPython.display import display, HTML
import locale
from matplotlib.patches import Ellipse
import warnings
warnings.filterwarnings("ignore")

import scipy.stats as st
from scipy.stats import chi2_contingency as chi2
import statsmodels.api as sm
from seaborn_qqplot import pplot
from statsmodels.formula.api import ols
from scipy.stats import shapiro, pearsonr, anderson, spearmanr, kruskal, kstest, norm, mannwhitneyu, linregress
from sklearn.preprocessing import StandardScaler
from bioinfokit.analys import stat
import pylab 
from prophet import Prophet
from prophet.plot import plot_plotly, plot_components_plotly

customers= pd.read_csv('customers.csv')
products = pd.read_csv('products.csv')
transactions = pd.read_csv('transactions.csv')

# Fonction pour afficher des messages plus esthétiques
def Text_message(message):
    max_line_length = 100  # Longueur maximale d'une ligne avant de sauter à la ligne suivante
    lines = []
    current_line = ""

    for mot in message.split():
        if len(current_line + mot) <= max_line_length:
            current_line += mot + " "
        else:
            lines.append(current_line.strip())
            current_line = mot + " "
    
    # Ajoute la dernière ligne restante
    lines.append(current_line.strip())
    
    formatted_lines = "<br>".join(lines)
    styled_message = '<div style="text-align: left;"><span style="font-weight: bold; font-style: italic; font-family: Times New Roman;color: teal; font-size: 12pt; font-family: Arial;">{}</span></div>'.format(formatted_lines)
    display(HTML(styled_message))

# Fonction pour afficher des messages plus esthétiques
def Titre_message(message):
    max_line_length = 90  # Longueur maximale d'une ligne avant de sauter à la ligne suivante
    lines = []
    current_line = ""

    for mot in message.split():
        if len(current_line + mot) <= max_line_length:
            current_line += mot + " "
        else:
            lines.append(current_line.strip())
            current_line = mot + " "
    
    # Ajoute la dernière ligne restante
    lines.append(current_line.strip())
    
    formatted_lines = "<br>".join(lines)
    styled_message = '<div style="text-align: center;"><span style="font-weight: bold; font-style: italic; font-family: Times New Roman;color: firebrick; font-size: 14pt; font-family: Arial;">{}</span></div>'.format(formatted_lines)
    display(HTML(styled_message))

# Pour Courbes de Pareto : Fonction pour définir l'égalité %Qtés vendues et %Nbr produits
def seuil_ventes(df):
    tot = df['Ventes'].count()
    for i in range(70, 90):
        seuil = df[df['Pourcentage_cumulé'] <= i]['Ventes'].count()
        Comp = (tot * (100 - i)) / 100
        if Comp - 1 <= seuil <= Comp + 1:
            pour= i
            break
    return Comp, pour, seuil, tot

# Lecture des informations du fichier
display(customers.tail(3))
message = "le fichier contient {:.0f} lignes et {} colonnes".format(customers.shape[0],customers.shape[1])
Text_message(message)
print('')
customers.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8623 entries, 0 to 8622
Data columns (total 3 columns):
 #   Column     Non-Null Count  Dtype 
---  ------     --------------  ----- 
 0   client_id  8623 non-null   object
 1   sex        8623 non-null   object
 2   birth      8623 non-null   int64 
dtypes: int64(1), object(2)
memory usage: 202.2+ KB

# Vérification valeurs manquantes
print(customers.isnull().sum())

# Détection des doublons
print('      --       ')
print(customers.loc[customers['client_id'].duplicated(keep=False),:])
customers.loc[customers[['client_id', 'sex', 
             'birth']].duplicated(keep=False),:].sort_values(by=['client_id',
                                               'sex'], ascending=True)
# Vérification de l'unicité de la clé 'client_id'
if customers.size == customers.drop_duplicates('client_id').size :
    message = "'client_id' peut être ultilé comme clé primaire"
else:
    message = "'client_id' ne peut pas être ultilé comme clé primaire"
Text_message(message)

client_id    0
sex          0
birth        0
dtype: int64
      --       
Empty DataFrame
Columns: [client_id, sex, birth]
Index: []

# Lecture des information du fichier
display(products.tail(3))
message = "le fichier contient {:.0f} lignes et {} colonnes".format(products.shape[0],products.shape[1])
Text_message(message)
print('')
products.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3287 entries, 0 to 3286
Data columns (total 3 columns):
 #   Column   Non-Null Count  Dtype  
---  ------   --------------  -----  
 0   id_prod  3287 non-null   object 
 1   price    3287 non-null   float64
 2   categ    3287 non-null   int64  
dtypes: float64(1), int64(1), object(1)
memory usage: 77.2+ KB

id_prod    0
price      0
categ      0
dtype: int64
      --       
Empty DataFrame
Columns: [id_prod, price, categ]
Index: []

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 679532 entries, 0 to 679531
Data columns (total 4 columns):
 #   Column      Non-Null Count   Dtype 
---  ------      --------------   ----- 
 0   id_prod     679532 non-null  object
 1   date        679532 non-null  object
 2   session_id  679532 non-null  object
 3   client_id   679532 non-null  object
dtypes: object(4)
memory usage: 20.7+ MB

id_prod       0
date          0
session_id    0
client_id     0
dtype: int64

---------

id_prod       0
date          0
session_id    0
client_id     0
sex           0
birth         0
_merge        0
dtype: int64

---------
Vérification de valeur nulle
id_prod         0
date            0
session_id      0
client_id       0
sex             0
birth           0
price         221
categ         221
_merge          0
dtype: int64

array([ 0.,  1.,  2., nan])

categ
0.0    415010
1.0    226891
2.0     36383
Name: count, dtype: int64

_________________________________________________

# Lecture des information du fichier
display(products.tail(3))
message = "le fichier contient {:.0f} lignes et {} colonnes".format(products.shape[0],products.shape[1])
Text_message(message)
print('')
products.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3287 entries, 0 to 3286
Data columns (total 3 columns):
 #   Column   Non-Null Count  Dtype  
---  ------   --------------  -----  
 0   id_prod  3287 non-null   object 
 1   price    3287 non-null   float64
 2   categ    3287 non-null   int64  
dtypes: float64(1), int64(1), object(1)
memory usage: 77.2+ KB

# Vérification valeurs manquantes
print(products.isnull().sum())
print('      --       ')
# Détection des doublons
print(products.loc[products['id_prod'].duplicated(keep=False),:])
products.loc[products[['id_prod', 'price', 
             'categ']].duplicated(keep=False),:].sort_values(by=['id_prod',
                                               'price'], ascending=True)
# Vérification de l'unicité de la clé 'id_prod'
if products.size == products.drop_duplicates('id_prod').size :
    message = "'id_prod' peut être ultilé comme clé primaire"
else:
    message = "'id_prod' ne peut pas être ultilé comme clé primaire"
Text_message(message)

id_prod    0
price      0
categ      0
dtype: int64
      --       
Empty DataFrame
Columns: [id_prod, price, categ]
Index: []

# Lecture des information du fichier
display(transactions.tail(3))
message = "le fichier contient {:.0f} lignes et {} colonnes".format(transactions.shape[0],transactions.shape[1])
Text_message(message)
print('')
transactions.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 679532 entries, 0 to 679531
Data columns (total 4 columns):
 #   Column      Non-Null Count   Dtype 
---  ------      --------------   ----- 
 0   id_prod     679532 non-null  object
 1   date        679532 non-null  object
 2   session_id  679532 non-null  object
 3   client_id   679532 non-null  object
dtypes: object(4)
memory usage: 20.7+ MB

id_prod       0
date          0
session_id    0
client_id     0
dtype: int64

---------

id_prod       0
date          0
session_id    0
client_id     0
sex           0
birth         0
_merge        0
dtype: int64

---------
Vérification de valeur nulle
id_prod         0
date            0
session_id      0
client_id       0
sex             0
birth           0
price         221
categ         221
_merge          0
dtype: int64

array([ 0.,  1.,  2., nan])

categ
0.0    415010
1.0    226891
2.0     36383
Name: count, dtype: int64

_________________________________________________

categ
0.0    730
2.0    730
1.0    704
nan    194
Name: count, dtype: int64

_________________________________________________

# Lecture des information du fichier
display(transactions.tail(3))
message = "le fichier contient {:.0f} lignes et {} colonnes".format(transactions.shape[0],transactions.shape[1])
Text_message(message)
print('')
transactions.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 679532 entries, 0 to 679531
Data columns (total 4 columns):
 #   Column      Non-Null Count   Dtype 
---  ------      --------------   ----- 
 0   id_prod     679532 non-null  object
 1   date        679532 non-null  object
 2   session_id  679532 non-null  object
 3   client_id   679532 non-null  object
dtypes: object(4)
memory usage: 20.7+ MB

# Vérification valeurs manquantes
message = "le fichier n'a pas de valeur manquante"
Text_message(message)
print(transactions.isnull().sum())
# Détection des doublons
transactions.loc[transactions[['id_prod', 'session_id', 
             'client_id']].duplicated(keep=False),:].sort_values(by=['session_id',
                                               'id_prod'], ascending=True)

# Enregistrement des tests dans une table spécifique
transactions_test = transactions.loc[transactions['id_prod'] == 'T_0', :]
transactions_test = transactions_test.reset_index()
# Suppression des tests dans la table 'transactions'
transactions.drop(transactions[transactions['id_prod'] == 'T_0'].index, inplace=True)

# Affichage de la table 'transactions_test'
message = "le fichier 'transactions_test' contient {:.0f} lignes et {} colonnes".format(transactions_test.shape[0],transactions_test.shape[1])
Text_message(message)
display(transactions_test.tail(3))

id_prod       0
date          0
session_id    0
client_id     0
dtype: int64

# Enregistrement des doublons dans une table spécifique
transactions_double = transactions.loc[transactions[['id_prod', 'session_id', 
             'client_id']].duplicated(keep=False),:].sort_values(by=['date',
                                               'id_prod'], ascending=True)
# Suppression des doublons dans la table 'transactions'
transactions = transactions.drop_duplicates(subset=['id_prod', 'session_id', 'client_id'], 
                                    keep='first').sort_values(by=['session_id'], 
                                                              ascending=True).reset_index()
# Suppression de la colonne 'index'
transactions = transactions.drop(['index'], axis=1)
message = "Le fichier 'transactions' contient, après traitement, {:.0f} lignes et {} colonnes".format(transactions.shape[0],transactions.shape[1])
Text_message(message)
transactions.tail(3)

# Jointure des tables liaison et products
transa = pd.merge(transactions, customers, on=['client_id'], how ='left', indicator=True)
display(transa.tail())

# Vérification de la jointure
message = "Il y a {:.0f} jointure différente de 'both'".format(transa[transa['_merge']!='both'].shape[0])
Text_message(message)
# Vérification valeurs manquantes
print('---------')
message = "Vérification de valeur nulle"
Text_message(message)
print(transa.isnull().sum())

---------

id_prod       0
date          0
session_id    0
client_id     0
sex           0
birth         0
_merge        0
dtype: int64

---------
Vérification de valeur nulle
id_prod         0
date            0
session_id      0
client_id       0
sex             0
birth           0
price         221
categ         221
_merge          0
dtype: int64

array([ 0.,  1.,  2., nan])

categ
0.0    415010
1.0    226891
2.0     36383
Name: count, dtype: int64

_________________________________________________

categ
0.0    730
2.0    730
1.0    704
nan    194
Name: count, dtype: int64

_________________________________________________

array(['0.0', '1.0', '2.0'], dtype=object)

13:53:09 - cmdstanpy - INFO - Chain [1] start processing
13:53:09 - cmdstanpy - INFO - Chain [1] done processing

# Jointure des tables liaison et products
transa = pd.merge(transactions, customers, on=['client_id'], how ='left', indicator=True)
display(transa.tail())

# Vérification de la jointure
message = "Il y a {:.0f} jointure différente de 'both'".format(transa[transa['_merge']!='both'].shape[0])
Text_message(message)
# Vérification valeurs manquantes
print('---------')
message = "Vérification de valeur nulle"
Text_message(message)
print(transa.isnull().sum())

---------

id_prod       0
date          0
session_id    0
client_id     0
sex           0
birth         0
_merge        0
dtype: int64

# Suppression de la colonne '_merge'
transa = transa.drop(['_merge'], axis=1)

# Jointure des tables transa et products
transanalyse = pd.merge(transa, products, on=['id_prod'], how ='left', indicator=True)
display(transanalyse.tail(3))

# Vérification de la jointure
message = "Il y a {:.0f} jointures différentes de 'both'".format(transanalyse[transanalyse['_merge']!='both'].shape[0])
Text_message(message)

# Vérification valeurs manquantes
print('---------')
print('Vérification de valeur nulle')
print(transanalyse.isnull().sum())

---------
Vérification de valeur nulle
id_prod         0
date            0
session_id      0
client_id       0
sex             0
birth           0
price         221
categ         221
_merge          0
dtype: int64

# Vérification des 221 jointures différentes de 'both'
display(transanalyse[transanalyse['_merge']!='both'].tail(3))

# Création d'un Df reprenant les id_prod = 0_2245
Prod2245 = transanalyse[transanalyse['_merge']!='both']

# Vérification de l'existence du id_prod = 0_2245 dans le Df 'products'
message ="Vérification dans le fichier 'products'" 
Text_message(message)
display(products[products['id_prod'] =='0_2245'])
message ="Il n'y a pas de référence 0_2245 dans le fichier 'products'"
Text_message(message)
# Suppression de la colonne '_merge' 
transanalyse = transanalyse.drop('_merge', axis=1)

# Réinitialisation de l'index et suppression de la colonne 'index'
transanalyse = transanalyse.reset_index()
transanalyse = transanalyse.drop('index', axis=1)

# Conversion en datetime de la colonne 'date'
transanalyse['date'] = pd.to_datetime(transanalyse['date'])
# Ajout de colonnes aux formats utiles pour les analyses
message ="Ajout des colonnes 'year', 'month' et 'day'"
Titre_message(message)
transanalyse['year'] = transanalyse['date'].dt.year
transanalyse['month'] = transanalyse['date'].dt.strftime('%Y-%m')
transanalyse['day'] = transanalyse['date'].dt.strftime('%Y-%m-%d')
# Conversion en datetime de la colonne 'day'
transanalyse['day'] = pd.to_datetime(transanalyse['day'])
transanalyse.head(3)

# Infos avant traitement
display(transanalyse.categ.unique())
display(transanalyse.value_counts('categ'))

array([ 0.,  1.,  2., nan])

categ
0.0    415010
1.0    226891
2.0     36383
Name: count, dtype: int64

_________________________________________________

categ
0.0    730
2.0    730
1.0    704
nan    194
Name: count, dtype: int64

_________________________________________________

array(['0.0', '1.0', '2.0'], dtype=object)

13:53:09 - cmdstanpy - INFO - Chain [1] start processing
13:53:09 - cmdstanpy - INFO - Chain [1] done processing

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

# Infos avant traitement
display(transanalyse.categ.unique())
display(transanalyse.value_counts('categ'))

array([ 0.,  1.,  2., nan])

categ
0.0    415010
1.0    226891
2.0     36383
Name: count, dtype: int64

# Conversion du type 'categ' en object
transanalyse["categ"] = transanalyse["categ"].astype(str)

# Calcul du Chiffre d'affaires jour par catégorie
Ca_categ_jour = transanalyse.groupby(['day','categ'])[['price']].sum().reset_index()
Ca_categ_jour = Ca_categ_jour.sort_values(by=['day'], ascending=True)
# Changement du nom des colonnes 'price' par 'CA/jour'
Ca_categ_jour = Ca_categ_jour.rename(columns={'day':'jour','price':"CA/jour"})
# Mise au format de la colonne  'CA/jour'
Ca_categ_jour["CA/jour"] = round((Ca_categ_jour["CA/jour"]),2)
# Affichage si souhaité
# display(Ca_categ_jour.head(3))
# Création d'un DF pour la catégorie 1.0
Ca_cat0 = Ca_categ_jour.loc[Ca_categ_jour['categ'] == '1.0']

# Vérification du nombre d'enregistrements par catégorie
print('_________________________________________________')
message = "Vérification du nombre d'enregistrements par catégorie"
Text_message(message)
display(Ca_categ_jour.value_counts('categ'))
message = "Sur la période de 2 ans observée, il manque 26 enregistrements dans la catégorie 1.0 sur le mois d'octobre 2021"
Text_message(message)
message = "Nous avons également 194 enregistrements non associés à une catégorie"
Text_message(message)
print('_________________________________________________')

# Modification du DF pour avoir les catégories en colonne
Ca_categ_Grap = Ca_categ_jour.pivot_table(index='jour', columns='categ', 
                                          values="CA/jour",
                                          margins=False).reset_index()
# affichage si souahaité 
# display(Ca_categ_Grap.head(2))

# Modification du DF en vu de la création du graphique
Ca_categ_Grap = Ca_categ_Grap.melt('jour', var_name="var", value_name="CA")

# Selection de l'interval 'temps' souhaité
Ca_categ_Grap=Ca_categ_Grap[(Ca_categ_Grap['jour'] > '2021-09-01') & (Ca_categ_Grap['jour'] < '2021-11-30')]

# Vérification des dates manquantes de la catégorie 1.0
message = "Mise en avant des valeurs manquantes de la catégorie 1.0"
Text_message(message)
Ca_cat0_verif=Ca_cat0[(Ca_cat0['jour'] > '2021-09-30') & (Ca_cat0['jour'] < '2021-10-30')]
display(Ca_cat0_verif.head())

# Génération du Graphique   
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.title("Chiffre d'Affaires par catégorie - Selon fichiers fournis\nPerte de données sur la catégorie 1.0", y=1.05, fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})

gfg=sns.lineplot(x='jour', y="CA", hue='var', data=Ca_categ_Grap, palette=['lightgrey', 'firebrick','teal','red'],linewidth=3, legend=True)
# Définir les coordonnées et les dimensions de l'ovale
x_center = pd.to_datetime('2021-10-15')  # Coordonnée x du centre de l'ovale
y_center = 6800   # Coordonnée y du centre de l'ovale
width = 28     # Largeur de l'ovale
height = 3000     # Hauteur de l'ovale
angle = 0.1     # Angle de rotation 

# Créer l'ovale
ellipse = Ellipse((x_center, y_center), width=width, height=height, angle=angle, edgecolor='black', facecolor='w', alpha=0.4)

# Ajouter l'ovale au graphique
gfg.add_patch(ellipse)
legend = gfg.legend(loc='lower right', shadow=True, fontsize='medium', facecolor='whitesmoke', framealpha=0.7)
legend.get_frame().set_facecolor('whitesmoke')
plt.xticks(rotation=30, fontsize=10)
plt.show()

_________________________________________________

categ
0.0    730
2.0    730
1.0    704
nan    194
Name: count, dtype: int64

_________________________________________________

################## Vérification du prix moyen par catégorie #################

# Calcul du Chiffre d'affaires par catégorie
Ca_par_categ = transanalyse.groupby('categ')['price'].sum().reset_index()
Ca_par_categ = Ca_par_categ.sort_values(by=['categ'], ascending=True)
# Changement du nom des colonnes 'price' par 'Chiffre d'affaires en million' et 'categ' par 'Catégorie'
Ca_par_categ = Ca_par_categ.rename(columns={'categ': "Catégorie", 
                                            'price':"CA en million"})
# Ramener le CA en Million
Ca_par_categ["CA en million"] = round((Ca_par_categ["CA en million"]/1000000),3)
# Calcul des quantités par catégorie
Catnb = transanalyse.value_counts('categ')
Catnb = Catnb.reset_index()
Catnb = Catnb.rename(columns={"categ":"Catégorie","count":"Quantité"})
Catnb = Catnb.rename(columns={0:"Quantité"})
Catnb["Catégorie"] = Catnb["Catégorie"].astype(str)
message = "Vérification du prix moyen de la catégorie 0.0"
Text_message(message)
#  Jointure des deux tables et calcule du prix moyen par catégorie
cat = pd.merge(Ca_par_categ, Catnb, on=['Catégorie'], how ='left', indicator=True)
#  Jointure des deux tables et calcule du prix moyen par catégorie
cat = pd.merge(Ca_par_categ, Catnb, on=['Catégorie'], how ='left', indicator=True)
cat['prix moyen'] = round(((cat["CA en million"] * 1000000) / cat['Quantité']),2)
# Suppression de la colonne '_merge'
cat = cat.drop(['_merge'], axis=1)
display(cat)

array(['0.0', '1.0', '2.0'], dtype=object)

13:53:09 - cmdstanpy - INFO - Chain [1] start processing
13:53:09 - cmdstanpy - INFO - Chain [1] done processing

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

################## Vérification du prix moyen par catégorie #################

# Calcul du Chiffre d'affaires par catégorie
Ca_par_categ = transanalyse.groupby('categ')['price'].sum().reset_index()
Ca_par_categ = Ca_par_categ.sort_values(by=['categ'], ascending=True)
# Changement du nom des colonnes 'price' par 'Chiffre d'affaires en million' et 'categ' par 'Catégorie'
Ca_par_categ = Ca_par_categ.rename(columns={'categ': "Catégorie", 
                                            'price':"CA en million"})
# Ramener le CA en Million
Ca_par_categ["CA en million"] = round((Ca_par_categ["CA en million"]/1000000),3)
# Calcul des quantités par catégorie
Catnb = transanalyse.value_counts('categ')
Catnb = Catnb.reset_index()
Catnb = Catnb.rename(columns={"categ":"Catégorie","count":"Quantité"})
Catnb = Catnb.rename(columns={0:"Quantité"})
Catnb["Catégorie"] = Catnb["Catégorie"].astype(str)
message = "Vérification du prix moyen de la catégorie 0.0"
Text_message(message)
#  Jointure des deux tables et calcule du prix moyen par catégorie
cat = pd.merge(Ca_par_categ, Catnb, on=['Catégorie'], how ='left', indicator=True)
#  Jointure des deux tables et calcule du prix moyen par catégorie
cat = pd.merge(Ca_par_categ, Catnb, on=['Catégorie'], how ='left', indicator=True)
cat['prix moyen'] = round(((cat["CA en million"] * 1000000) / cat['Quantité']),2)
# Suppression de la colonne '_merge'
cat = cat.drop(['_merge'], axis=1)
display(cat)

array(['0.0', '1.0', '2.0'], dtype=object)

13:53:09 - cmdstanpy - INFO - Chain [1] start processing
13:53:09 - cmdstanpy - INFO - Chain [1] done processing

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

################## Vérification du prix moyen par catégorie #################

# Calcul du Chiffre d'affaires par catégorie
Ca_par_categ = transanalyse.groupby('categ')['price'].sum().reset_index()
Ca_par_categ = Ca_par_categ.sort_values(by=['categ'], ascending=True)
# Changement du nom des colonnes 'price' par 'Chiffre d'affaires en million' et 'categ' par 'Catégorie'
Ca_par_categ = Ca_par_categ.rename(columns={'categ': "Catégorie", 
                                            'price':"CA en million"})
# Ramener le CA en Million
Ca_par_categ["CA en million"] = round((Ca_par_categ["CA en million"]/1000000),3)
# Calcul des quantités par catégorie
Catnb = transanalyse.value_counts('categ')
Catnb = Catnb.reset_index()
Catnb = Catnb.rename(columns={"categ":"Catégorie","count":"Quantité"})
Catnb = Catnb.rename(columns={0:"Quantité"})
Catnb["Catégorie"] = Catnb["Catégorie"].astype(str)
message = "Vérification du prix moyen de la catégorie 0.0"
Text_message(message)
#  Jointure des deux tables et calcule du prix moyen par catégorie
cat = pd.merge(Ca_par_categ, Catnb, on=['Catégorie'], how ='left', indicator=True)
#  Jointure des deux tables et calcule du prix moyen par catégorie
cat = pd.merge(Ca_par_categ, Catnb, on=['Catégorie'], how ='left', indicator=True)
cat['prix moyen'] = round(((cat["CA en million"] * 1000000) / cat['Quantité']),2)
# Suppression de la colonne '_merge'
cat = cat.drop(['_merge'], axis=1)
display(cat)

message = "Vérification du prix moyen de la catégorie 0.0"
Text_message(message)

#  Jointure des deux tables et calcule du prix moyen par catégorie
cat = pd.merge(Ca_par_categ, Catnb, on=['Catégorie'], how ='left', indicator=True)
cat['prix moyen'] = round(((cat["CA en million"] * 1000000) / cat['Quantité']),2)
# Suppression de la colonne '_merge'
cat = cat.drop(['_merge'], axis=1)
display(cat)

# graphique distribution des catégories
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.subplot(1,2,1)
plt.title("Niveau de prix par catégorie", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.boxplot(data=transanalyse, x="price", y="categ", showfliers=False, showmeans=True,notch = True, palette='crest',
            medianprops=dict(linestyle='-', linewidth=2, color='coral'),
            meanprops=dict(marker='p',markerfacecolor='red', markeredgecolor='black', markersize=8),
            boxprops = dict(linestyle='-', linewidth=0))
plt.xticks(rotation=0, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Catégories")
plt.xlabel('Prix')
plt.subplot(1,2,2)
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.title("Niveau de prix par catégorie", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
ax = sns.boxenplot(data=transanalyse, x="price", y="categ", showfliers=False, 
            palette='crest')
plt.xticks(rotation=0, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Catégories")
plt.xlabel('Prix')
plt.show() 

################## Modification du produit '0_2245' #################

message = "Enregistrement des données pour le produit 0_2245 dans la table"
Text_message(message)
# Mettre le prix à 10.64 et la catégorie à 0.0 pour le produit '0_2245'
transanalyse.fillna(0, inplace=True)
transanalyse.loc[transanalyse["id_prod"] == "0_2245", "price"] = 10.64
transanalyse.loc[transanalyse["id_prod"] == "0_2245", "categ"] = 0.0
# Convertir 'categ' en type object
transanalyse["categ"] = transanalyse["categ"].astype(str)
# Affichage 
display(transanalyse.loc[transanalyse['id_prod'] == '0_2245'].head(3))
display(transanalyse.categ.unique())
transanalyse.value_counts('categ')

##################### Màj des DF 'Ca_categ_jour' et 'Ca_par_categ'#####################

# Mise à jour du DF en intégrant le produit 0_2245
Ca_categ_jour = transanalyse.groupby(['day','categ'])[['price']].sum().reset_index()
Ca_categ_jour = Ca_categ_jour.sort_values(by=['day'], ascending=True)
# Changement du nom des colonnes 'price' par 'CA/jour'
Ca_categ_jour = Ca_categ_jour.rename(columns={'day':'jour','price':"CA/jour"})
# Mise au format de la colonne  'CA/jour'
Ca_categ_jour["CA/jour"] = round((Ca_categ_jour["CA/jour"]),2)
# Mise à jour du DF 'Ca_par_categ'
Ca_par_categ = transanalyse.groupby('categ')['price'].sum().reset_index()
Ca_par_categ = Ca_par_categ.sort_values(by=['categ'], ascending=True)
Ca_par_categ = Ca_par_categ.rename(columns={'categ': "Catégorie", 'price':"CA en million"})
Ca_par_categ["CA en million"] = round((Ca_par_categ["CA en million"]/1000000),3)

array(['0.0', '1.0', '2.0'], dtype=object)

# Création d'un DF pour la catégorie 1.0
Ca_cat1 = Ca_categ_jour.loc[Ca_categ_jour['categ'] == '1.0']
# Vérification des dates manquantes de la catégorie 1.0 sur le mois d'octobre 2021
Ca_cat1_verif=Ca_cat1[(Ca_cat1['jour'] > '2021-09-30') & (Ca_cat1['jour'] < '2021-10-30')]
message = "Vérification des enregistements manquants - du 02/10 au 27/10 2021"
Text_message(message)
Ca_cat1_verif

13:53:09 - cmdstanpy - INFO - Chain [1] start processing
13:53:09 - cmdstanpy - INFO - Chain [1] done processing

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Création d'un DF pour la catégorie 1.0
Ca_cat1 = Ca_categ_jour.loc[Ca_categ_jour['categ'] == '1.0']
# Vérification des dates manquantes de la catégorie 1.0 sur le mois d'octobre 2021
Ca_cat1_verif=Ca_cat1[(Ca_cat1['jour'] > '2021-09-30') & (Ca_cat1['jour'] < '2021-10-30')]
message = "Vérification des enregistements manquants - du 02/10 au 27/10 2021"
Text_message(message)
Ca_cat1_verif

# Création aléatoire des lignes manquantes 
# On considère que nous avons récupéré les vrais chiffres auprès de la comptabilité
start = dt.date(2021,10,2)
periods = 26
CA = np.random.randint(low=6000, high=8000, size=26).tolist()
for i in range(periods):
    date = (start + dt.timedelta(days = i)).isoformat()
    ligne = pd.DataFrame(data=np.array([[date,'1.0',CA[i]]]), columns=['jour','categ','CA/jour'])
    Ca_categ_jour = pd.concat([Ca_categ_jour,ligne], ignore_index=True)

Ca_categ_jour['jour'] = pd.to_datetime(Ca_categ_jour['jour'])
Ca_categ_jour['CA/jour'] = pd.to_numeric(Ca_categ_jour['CA/jour'])
Ca_categ_jour = Ca_categ_jour.sort_values(by=['jour'], ascending=True)
# Ajout de colonnes mois et année
Ca_categ_jour['year'] = Ca_categ_jour['jour'].dt.year
Ca_categ_jour['month'] = Ca_categ_jour['jour'].dt.strftime('%Y-%m')
#display(Ca_categ_jour.head(3))

message='Mise à jour des données de la catégorie 1.0 - Octobre 2021'
Text_message(message)

CAcat1 = Ca_categ_jour.loc[Ca_categ_jour['categ'] == '1.0']
display(CAcat1.loc[(CAcat1['jour'] > '2021-10-02') & (CAcat1['jour'] < '2021-11-01')].head())

# Modification du DF pour avoir les catégories en colonne
Ca_categ_Grap = Ca_categ_jour.pivot_table(index='jour', columns='categ', 
                                          values="CA/jour",
                                          margins=False).reset_index()

# Modification du DF en vu de la création du graphique
Ca_categ_Grap = Ca_categ_Grap.melt('jour', var_name="var", 
                                   value_name="CA")

# Selection de l'interval 'temps' souhaité
Ca_categ_Grap=Ca_categ_Grap[(Ca_categ_Grap['jour'] > '2021-09-15') & (Ca_categ_Grap['jour'] < '2021-11-15')]

# Génération du Graphique   
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.title("Chiffre d'Affaires par catégorie\ncatégorie 1.0 mise à jour", y=1.05, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})

gfg=sns.lineplot(x='jour', y="CA", hue='var', data=Ca_categ_Grap,
                 palette=['lightgrey', 'firebrick','teal'],
                 linewidth=3, legend=True)
legend = gfg.legend(loc='lower right', shadow=True, fontsize='medium', facecolor='whitesmoke', framealpha=0.6)
plt.xticks(rotation=30, fontsize=10)
plt.show()

# Création d'une colonne tranche d'âge appelée 'Age-range'
transanalyse['Age'] = 2023 - transanalyse['birth']
transanalyse['Age-Range'] = pd.cut(x=transanalyse['Age'], bins=[18,25,35,45,55,65,75,85,95])
transanalyse = transanalyse.sort_values(by=['Age'], ascending=True)
display(transanalyse.head(3))

13:53:09 - cmdstanpy - INFO - Chain [1] start processing
13:53:09 - cmdstanpy - INFO - Chain [1] done processing

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Création d'une colonne tranche d'âge appelée 'Age-range'
transanalyse['Age'] = 2023 - transanalyse['birth']
transanalyse['Age-Range'] = pd.cut(x=transanalyse['Age'], bins=[18,25,35,45,55,65,75,85,95])
transanalyse = transanalyse.sort_values(by=['Age'], ascending=True)
display(transanalyse.head(3))

# Calcul du Chiffre d'affaires mensuel sur les deux dernières années
Ca_month = Ca_categ_jour.groupby('month')['CA/jour'].sum().reset_index()
Ca_month = Ca_month.rename(columns={"CA/jour":"CA en millier d'euros"})
Ca_month["CA en millier d'euros"] = round((Ca_month["CA en millier d'euros"]/1000),2)
Ca_month = Ca_month.rename(columns={"month":"Année - Mois"})
catot = Ca_month["CA en millier d'euros"].sum()
Ca_month21 = Ca_month.loc[Ca_month['Année - Mois'] <= '2022-02-01']
Ca_month22 = Ca_month.loc[Ca_month['Année - Mois'] > '2022-02-01']
Ca22 = Ca_month22["CA en millier d'euros"].sum()
Ca21 = Ca_month21["CA en millier d'euros"].sum() 
# Taux de croissance
Taux_croissance = ((Ca22-Ca21)/Ca21)*100
# Affichage des résultats
message = "le chiffre d'affaires total de la librairie en ligne est de {:,.2f} millions d'euros".format(catot)
Text_message(message)
message = "Chiffre d'affaires 2021 (N-1) :    {:,.2f} millions d'euros".format(Ca21)
Text_message(message)
message = "Chiffre d'affaires 2022  (N) :  {:,.2f} millions d'euros".format(Ca22)
Text_message(message)
message = "Taux de croissance N/N-1 : {:,.2f}%".format(Taux_croissance)
Text_message(message)
display(Ca_month.tail(3))

# Génération du Graphique   
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 4))
plt.title("Chiffre d'Affaires mensuel", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
Pro = Ca_month["CA en millier d'euros"].tolist()
for i in range(7):
    plt.text(i-0.2, Pro[i]-25, Pro[i], rotation=90, weight = 'bold', color = 'black')
for i in range(7,24):
    plt.text(i-0.2, Pro[i]-25, Pro[i], rotation=90, weight = 'bold', color = 'white')    
gfg = sns.barplot(x = 'Année - Mois', y = "CA en millier d'euros",
                  data=Ca_month, palette="crest")
gfg = sns.lineplot(data=Ca_month, x='Année - Mois', y="CA en millier d'euros", 
                   color='red')   
gfg.set_ylim(420, 550)
plt.xticks(rotation=45, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("CA en millier d'euros")
plt.xlabel('Mois')
plt.show()

# Création d'une copie de la table "transanalyse" 
Client_lastorder = transanalyse.copy()
Client_lastorder = Client_lastorder.sort_values(by='day', ascending=False)

# Table CLients Ca réalisé / Nbr sessions / Panier moyen
Ca_client = Client_lastorder.groupby(['client_id', 'sex', 'Age']).agg(Ca_réalisé=('price', 'sum'),    
        session_count=('session_id', 'count'), session_unique=('session_id', 'nunique')).reset_index()
Ca_client = Ca_client.rename(columns={"Ca_réalisé":"CA réalisé", "sex":"genre",
            "session_count":"Nbr produits achetés", "session_unique":"Nbr sessions"})

Ca_client['Panier moyen par session'] = round((Ca_client['CA réalisé']/Ca_client['Nbr sessions']),2)
Ca_client['Panier moyen par article'] = round((Ca_client['CA réalisé']/Ca_client['Nbr produits achetés']),2)

# Table première commande
old_orders = Client_lastorder.groupby('client_id').last().reset_index()
old_orders = old_orders.sort_values(by='day', ascending=False).reset_index()
# Table contenant les infos utiles
old_orders_infos = old_orders[["client_id","day","price","Age-Range"]]
old_orders_infos = old_orders_infos.rename(columns={"day":"Première commande",
                                                    "price":"Montant 1ère commande",
                                                   "Age-Range":"Tranche d'âge"})

# Table dernière commande
recent_orders = Client_lastorder.groupby('client_id').first().reset_index()
recent_orders = recent_orders.sort_values(by='day', ascending=False).reset_index()
# Tables contenant les infos utiles
recent_orders_infos = recent_orders[["client_id","day","price","birth"]]
recent_orders_infos = recent_orders_infos.rename(columns={"day":"Dernière commande",
                                                          "price":"Montant dernière commande",
                                                         "birth":"Année naissance"})

# Jointure des tables old_orders_infos et recent_orders_infos
Customer_orders = pd.merge(old_orders_infos, recent_orders_infos, on=['client_id'], 
                           how ='left', indicator=True)
# Vérification de la jointure
message = "Customer_orders : {:.0f} jointures différentes de 'both'".format(Customer_orders[Customer_orders['_merge']!='both'].shape[0])
Text_message(message)
# Suppression de la colonne '_merge'
Customer_orders = Customer_orders.drop(['_merge'], axis=1)
display(Customer_orders.tail(3))

# Jointure des tables Ca_client et Customer_orders
Customer_Infos = pd.merge(Ca_client, Customer_orders, on=['client_id'], how ='left', indicator=True)
# Vérification de la jointure
message = "Customer_Infos : {:.0f} jointures différentes de 'both'".format(Customer_Infos[Customer_Infos['_merge']!='both'].shape[0])
Text_message(message)
# Suppression de la colonne '_merge'
Customer_Infos = Customer_Infos.drop(['_merge'], axis=1)
# Mise en ordre des colonnes
colonnes = list(Customer_Infos.columns)
colonnes.insert(3, colonnes.pop(13))
colonnes.insert(4, colonnes.pop(11))
Customer_Infos = Customer_Infos[colonnes]
Customer_Infos
# Ajout des colonnes mois 1ere et derniere commande
Customer_Infos['Première commande'] = pd.to_datetime(Customer_Infos['Première commande'])
Customer_Infos['Dernière commande'] = pd.to_datetime(Customer_Infos['Dernière commande'])
Customer_Infos["Mois 1ere com"] = Customer_Infos["Première commande"].dt.strftime('%B-%Y')
Customer_Infos["Mois Der. com"] = Customer_Infos["Dernière commande"].dt.strftime('%B-%Y')
display(Customer_Infos.tail(3))

# Table Customer_Infos sans les 4 top clients
Customer_Infos_hors4 = Customer_Infos.loc[Customer_Infos["Nbr sessions"] < 1000].reset_index()
Customer_Infos_hors4 = Customer_Infos_hors4.drop(['index'], axis=1)

########################## CA et Panier moyen par Session #################
# Création d'une table en fonction des sessions
Ca_session = transanalyse.groupby(['session_id','client_id','sex','Age'])['price'].sum().reset_index()
Ca_session = Ca_session.sort_values(by='session_id', ascending=False)

# Calcul du panier moyen par session
panier_moyenS = round((Ca_session.price.mean()),2)
# Affichage du panier moyen par session
Left_df = Ca_session.head(3).round(2).astype(str).style.set_table_attributes('style="text-align: left;"')
display(Left_df)
message = "Le panier moyen est de {:.2f} euros par session".format(panier_moyenS)
Text_message(message)

########################## Ca et panier moyen par client #################
# Création de la table Ca client
Customer_Infos_light = Customer_Infos[["client_id","CA réalisé","Nbr sessions",
                   "Panier moyen par session","Nbr produits achetés","Panier moyen par article"]]
Customer_Infos_light = Customer_Infos_light.sort_values(by='CA réalisé', 
                                                        ascending=False).reset_index()
Customer_Infos_light = Customer_Infos_light.drop(['index'], axis=1)
# Affichage du Df
Left_df = Customer_Infos_light.head(3).round(2).astype(str).style.set_table_attributes('style="text-align: left;"')
display(Left_df)
# Calcul du panier moyen par session
panier_moyen_client_session = round((Customer_Infos["Panier moyen par session"].mean()),2)
message = "Le panier moyen client est de {:.2f} euros par session".format(panier_moyen_client_session)
Text_message(message)
# Calcul du panier moyen par article
panier_moyen_client_article = round((Customer_Infos["Panier moyen par article"].mean()),2)
message = "Le panier moyen client est de {:.2f} euros par article".format(panier_moyen_client_article)
Text_message(message)

########################## Graphique panier moyen (sessions) et moyenne mobile #################
Panier_moyen_mois = transanalyse.groupby(['month'])['price'].mean().reset_index()
# Calcul de la moyenne mobile simple
Panier_moyen_mois['MA simple'] = Panier_moyen_mois["price"].rolling(3).mean()
#Panier_moyen_mois.dropna(inplace=True)
# Calcul de la moyenne mobile cumulée
Panier_moyen_mois['MA cumulée'] = Panier_moyen_mois["price"].expanding().mean()
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.title("Evolution panier moyen (Sessions)", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.lineplot(data = Panier_moyen_mois, x="month", y ="price", linewidth=2, color='white',
             label="Panier moyen")
sns.lineplot(data = Panier_moyen_mois, x="month", y ="MA simple", linewidth=4, color='teal',
             label="Moyenne mobile")
sns.lineplot(data = Panier_moyen_mois, x="month", y ="MA cumulée", linewidth=4, color='firebrick',
             label="Moyenne mobile cumulée")
plt.xticks(rotation=45, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Panier moyen en €")
plt.xlabel('Mois')
plt.legend(facecolor='whitesmoke', fontsize=12)
plt.grid(True, color='grey')
plt.show()

########################################## Panier moyen #####################################

Customer_Infos_hors4_pn100 = Customer_Infos_hors4.loc[Customer_Infos_hors4["Panier moyen par session"] < 100].reset_index()
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.figure(figsize=(12, 4)) 
plt.subplot(1,2,1)
plt.title("Panier moyen client par session\nHors Top 4 clients", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})

sns.scatterplot(data=Customer_Infos_hors4_pn100, x='Panier moyen par session', y='Nbr sessions', 
                color='teal')
xbar = round((Customer_Infos_hors4['Panier moyen par session'].mean()),2)
xmed = round((Customer_Infos_hors4['Panier moyen par session'].median()),2)
plt.axvline(xbar, color='firebrick', linewidth=2)
plt.axvline(xmed, color='lightgreen', linewidth=2)
plt.legend(['Données',"Moyenne {}".format(xbar),"Médiane {}".format(xmed)], fontsize = 'medium', 
           labelcolor='w')

plt.subplot(1,2,2)
plt.title("Prix moyen par article\nHors Top 4 clients", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})

sns.scatterplot(data=Customer_Infos_hors4_pn100, x='Panier moyen par article', y='Nbr sessions', color='teal')
xbar = round((Customer_Infos_hors4['Panier moyen par article'].mean()),2)
xmed = round((Customer_Infos_hors4['Panier moyen par article'].median()),2)
plt.axvline(xbar, color='firebrick', linewidth=2)
plt.axvline(xmed, color='lightgreen', linewidth=2)
plt.legend(['Données',"Moyenne {}".format(xbar),"Médiane {}".format(xmed)], fontsize = 'medium', labelcolor='w')

# Affichage
plt.show()

########################## Clients n'ayant acheté qu'un seul jour - Nombre de session = 1 #########################
Cust_1session = Customer_Infos.loc[Customer_Infos["Nbr sessions"] == 1].reset_index()
Cust_1session = Cust_1session.drop(['index'], axis=1)
message = "On dénombre {} clients n'ayant acheté qu'une seule fois".format(Cust_1session.shape[0])
Text_message(message)
display(Cust_1session.tail(3))
################################################# NOUVEAUX CLIENTS ##################################################
# Création de compte mensuel 
Creation_compte = Customer_Infos.groupby('Mois 1ere com')['client_id'].count().reset_index()
# Conversion en datetime de la colonne 'Mois 1ere com'
Creation_compte['Mois 1ere com'] = pd.to_datetime(Creation_compte['Mois 1ere com'])
Creation_compte = Creation_compte.rename(columns={"Mois 1ere com":"mois"})
Creation_compte["Mois création"] = Creation_compte["mois"].dt.strftime('%B-%Y')
Creation_compte = Creation_compte.sort_values(by='mois', ascending=True).reset_index()
# Nouveaux clients inscrits à partir de Septembre 2021 - 6 mois après l'ouverture du site
Nouveaux_clients = Creation_compte.loc[Creation_compte["mois"] >= "2021-09-01"]
Nouveaux_clients_ouverture_site = Creation_compte.loc[Creation_compte["mois"] < "2021-09-01"]
Nouveaux_clients = Nouveaux_clients.drop(['index'], axis=1)

################################################# CLIENTS PERDUS ##################################################
# Dernière commande mensuel 
Derniere_com = Customer_Infos.groupby('Mois Der. com')['client_id'].count().reset_index()
# Conversion en datetime de la colonne 'Mois Der. com''
Derniere_com['Mois Der. com'] = pd.to_datetime(Derniere_com['Mois Der. com'])
Derniere_com = Derniere_com.rename(columns={"Mois Der. com":"mois"})
Derniere_com["Mois last com"] = Derniere_com["mois"].dt.strftime('%B-%Y')
Derniere_com = Derniere_com.sort_values(by='mois', ascending=True).reset_index()
# Clients considérés comme perdus : + de 6 mois sans commande
Clients_perdus = Derniere_com.loc[Derniere_com["mois"] <= "2022-08-01"]
Clients_der_com = Derniere_com.loc[Derniere_com["mois"] > "2022-08-01"]
Clients_perdus = Clients_perdus.drop(['index'], axis=1)

################################################# CLIENTS ONE SHOT ##################################################
# Création d'un DF reprenant le Nbr de One Shot par mois
Cust_1session_mois = Cust_1session.copy()
Cust_1session_mois['Première commande'] = pd.to_datetime(Cust_1session_mois['Première commande'])
Cust_1session_mois["Mois One Shot"] = Cust_1session_mois["Première commande"].dt.strftime('%B-%Y')
Cust_1session_mois = Cust_1session_mois.groupby(["Mois 1ere com"])['client_id'].count().reset_index()
Cust_1session_mois = Cust_1session_mois.rename(columns={"Mois 1ere com":"mois"})
Cust_1session_mois['mois'] = pd.to_datetime(Cust_1session_mois['mois'])
Cust_1session_mois["Mois One-Shot"] = Cust_1session_mois['mois'].dt.strftime('%B-%Y')
Cust_1session_mois = Cust_1session_mois.sort_values(by='mois', ascending=True)

##################################### DF avec CLIENTS Nouveaux/Perdus/One shot ############################################
# Jointure des tables 'Clients_perdus' et 'Nouveaux_clients'
Clients_New_lost = pd.merge(Clients_perdus, Nouveaux_clients, on=['mois'], how ='left',
                            indicator=True)
Clients_New_lost = Clients_New_lost.rename(columns={"client_id_x":"clients perdus", 
                                                   "client_id_y":"nouveaux clients"})
Clients_New_lost = Clients_New_lost.drop(['_merge','Mois création'], axis=1)

# Jointure des tables 'Clients_New_lost's et 'Cust_1session_mois'
Clients_New_lost = pd.merge(Clients_New_lost, Cust_1session_mois, on=['mois'], how ='left', indicator=True)
Clients_New_lost = Clients_New_lost.rename(columns={"client_id":"Clients One Shot"})
Clients_New_lost = Clients_New_lost.drop(['_merge','Mois One-Shot'], axis=1)

# graphique
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'white'})
fig = plt.figure(figsize=(12, 5))
ax1 = fig.add_axes([0.15, 0.1, 0.6, 0.8])  # Graphique à gauche 
ax2 = fig.add_axes([0.8, 0.1, 0.5, 0.8])  # Texte à droite
ax1.set_title("Dates d'inscription  et de dernière commande", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.scatterplot(data=Customer_Infos, x='Première commande', y='client_id', color='teal', 
               label='1ère commande', ax=ax1)
sns.scatterplot(data=Customer_Infos, x='Dernière commande', y='client_id', color='firebrick',
               label="Der. commande", ax=ax1)
ax1.set_ylabel("Clients")
ax1.set_xlabel('')
ax1.set_yticks([])
ax1.tick_params(axis='x', rotation=70, labelsize=10)
ax1.legend(loc='upper right', fontsize = 'medium', labelcolor='black', facecolor="whitesmoke")

# Position verticale initiale du texte
y_pos = 1
# Ajouter chaque ligne de texte avec des variables
message = "Nouveaux clients"
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=17, color="firebrick")
y_pos -= 0.1
message = "{:.0f} clients étaient inscrits au 31 Août 2021".format(Nouveaux_clients_ouverture_site["client_id"].sum())
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=15, color="teal")
y_pos -= 0.08
message = "{:.0f} clients se sont inscrits depuis Septembre 2021".format(Nouveaux_clients["client_id"].sum())
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=15, color="teal")
y_pos -= 0.2
message = "Clients perdus"
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=17, color="firebrick")
y_pos -= 0.1
message = "{:.0f} clients ont commandé au cours des 6 derniers mois".format(Clients_der_com["client_id"].sum())
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=15, color="teal")
y_pos -= 0.08
message = "{:.0f} clients considérés comme perdus : aucune commande depuis plus de 6 mois".format(Clients_perdus["client_id"].sum())
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=15, color="teal")
y_pos -= 0.2
message = "Clients One Shot"
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=17, color="firebrick")
y_pos -= 0.08
message = "{:.0f} clients n'ont commandé qu'une seule fois".format(Cust_1session_mois['client_id'].sum())
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=15, color="teal")

ax2.axis('off')
plt.show()

fig = plt.figure(figsize=(12, 5))
ax1 = fig.add_axes([0.15, 0.1, 0.6, 0.8])  # Graphique à gauche 
ax2 = fig.add_axes([0.8, 0.1, 0.5, 0.8])  # Texte à droite

ax1.set_title("Nouveaux clients: inscrits après 6 mois d'ouverture\nClients perdus: 6 mois sans commande", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(data=Clients_New_lost, x='Mois last com', y='nouveaux clients', color='teal', alpha=0.9,
               label='1ère commande', ax=ax1)
sns.barplot(data=Clients_New_lost, x='Mois last com', y='clients perdus', color='firebrick', alpha=0.6, 
               label='Dernière commande', ax=ax1)
sns.scatterplot(data=Clients_New_lost, x='Mois last com', y='Clients One Shot', color='white', marker='^',
               label="Nbr One shot", ax=ax1)

val = Clients_New_lost[['mois',"Clients One Shot"]]
val = val.dropna()
val['Clients One Shot'] = val['Clients One Shot'].astype(int)
values = val['Clients One Shot'].to_list()
date = Clients_New_lost['Mois last com'].to_list()

# Ajouter les annotations de texte
for i, value in enumerate(values):
    ax1.text(date[i], value+0.7, str(value), ha='center', va='bottom', color='white', weight = 'bold')

#plt.xticks([])
ax1.legend(loc='upper left', fontsize = 'medium', labelcolor='black',facecolor="whitesmoke")
ax1.set_ylim(0, 80)
ax1.set_ylabel("Nombre Clients")
ax1.set_xlabel('')
ax1.tick_params(axis='x', rotation=70, labelsize=10)

ax2.axis('off')
# Position verticale initiale du texte
y_pos = 1
# Taux d'attrition clients perdus
Cp = Clients_perdus["client_id"].sum()
TAcp = round(((Cp / Customer_Infos.shape[0]) * 100),2)
message = "Taux d'attrition"
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=17, color="firebrick")
y_pos -= 0.1
message = "Le taux d'attrition des clients perdus est de: {:.2f}%".format(TAcp)
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=15, color="teal")

y_pos -= 0.2
message = "Stabilité du porte-feuille clients"
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=17, color="firebrick")
y_pos -= 0.1
Nouveaux_clients_2mois = Creation_compte.loc[Creation_compte["mois"] < "2021-05-01"]
message = "Nombre d'inscription sur les deux premiers mois: {:.0f}".format(Nouveaux_clients_2mois["client_id"].sum())
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=15, color="teal")
y_pos -= 0.08
Clients_der_com_2mois = Derniere_com.loc[Derniere_com["mois"] >= "2023-01-01"]
message = "Nombre de commandes uniques par client sur les deux derniers mois: {:.0f}".format(Clients_der_com_2mois["client_id"].sum())
ax2.text(0, y_pos, message, horizontalalignment='left', verticalalignment='top', fontsize=15, color="teal")
# Affichage du scatterplot
plt.show()

Ca_categ_jour['month'] = pd.to_datetime(Ca_categ_jour['month'], format='%Y-%m')
# Définir les conditions
conditions = [ (Ca_categ_jour['month'] >= '2021-03') & (Ca_categ_jour['month'] <= '2022-02'),
    (Ca_categ_jour['month'] >= '2022-03') & (Ca_categ_jour['month'] <= '2023-02')]
# Définir les valeurs correspondantes
valeurs = ['N-1', 'N']
Ca_categ_jour['Exercice'] = np.select(conditions, valeurs, default='')
# Calcul du Chiffre d'affaires annuel par catégorie
Ca_categ_an = Ca_categ_jour.groupby(['Exercice','categ'])[['CA/jour']].sum().reset_index()
Ca_categ_an = Ca_categ_an.sort_values(by=['Exercice'], ascending=False)
# Changement du nom des colonnes 'CA/jour' par 'CA en million' et 'categ' par 'Catégorie'
Ca_categ_an = Ca_categ_an.rename(columns={'categ': "Catégorie", 
                                            'CA/jour':"CA en million"})
# Ramener le CA en Million
Ca_categ_an["CA en million"] = round((Ca_categ_an["CA en million"]/1000000),3)
Ca_categ_an

# Génération du Graphique CA par catégorie sur 2 ans  
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.figure(figsize=(15,4)) 
plt.subplot(1,2,1)
plt.title("Chiffre d'Affaires par catégorie sur 2 ans", y=1.05, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
Pro = Ca_par_categ["CA en million"].tolist()
for i in range(3):
    plt.text(Pro[i]-0.7, i+0.05, Pro[i], weight = 'bold', color = 'white')
sns.barplot(x="CA en million",y="Catégorie", data=Ca_par_categ, palette="crest");

# Génération du Graphique CA/Catégorie/an
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.subplot(1,2,2)
# Génération du Graphique CA/Catégorie/an
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.title("CA - Répartion par catégorie/an", y=1.05, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})

gfg = sns.barplot(x="Exercice",y="CA en million",  data=Ca_categ_an, hue="Catégorie", palette="crest");
Pro = Ca_categ_an.loc[Ca_categ_an['Catégorie'] == "0.0"]["CA en million"].tolist()
for i in range(2):
    plt.text(i-.35, Pro[i]-0.15, Pro[i], weight = 'bold', color = 'white')
Pro = Ca_categ_an.loc[Ca_categ_an['Catégorie'] == "1.0"]["CA en million"].tolist()
for i in range(2):
    plt.text(i-.09, Pro[i]-0.15, Pro[i], weight = 'bold', color = 'white')  
Pro = Ca_categ_an.loc[Ca_categ_an['Catégorie'] == "2.0"]["CA en million"].tolist()
for i in range(2):
    plt.text(i+0.19, Pro[i]-0.15, Pro[i], weight = 'bold', color = 'white')    

legend = gfg.legend(loc='upper right', shadow=True, fontsize='small', title='Catégorie')
legend.get_frame().set_facecolor('lightgrey')

plt.show()

13:53:09 - cmdstanpy - INFO - Chain [1] start processing
13:53:09 - cmdstanpy - INFO - Chain [1] done processing

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

Ca_categ_jour['month'] = pd.to_datetime(Ca_categ_jour['month'], format='%Y-%m')
# Définir les conditions
conditions = [ (Ca_categ_jour['month'] >= '2021-03') & (Ca_categ_jour['month'] <= '2022-02'),
    (Ca_categ_jour['month'] >= '2022-03') & (Ca_categ_jour['month'] <= '2023-02')]
# Définir les valeurs correspondantes
valeurs = ['N-1', 'N']
Ca_categ_jour['Exercice'] = np.select(conditions, valeurs, default='')
# Calcul du Chiffre d'affaires annuel par catégorie
Ca_categ_an = Ca_categ_jour.groupby(['Exercice','categ'])[['CA/jour']].sum().reset_index()
Ca_categ_an = Ca_categ_an.sort_values(by=['Exercice'], ascending=False)
# Changement du nom des colonnes 'CA/jour' par 'CA en million' et 'categ' par 'Catégorie'
Ca_categ_an = Ca_categ_an.rename(columns={'categ': "Catégorie", 
                                            'CA/jour':"CA en million"})
# Ramener le CA en Million
Ca_categ_an["CA en million"] = round((Ca_categ_an["CA en million"]/1000000),3)
Ca_categ_an

# Génération du Graphique CA par catégorie sur 2 ans  
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.figure(figsize=(15,4)) 
plt.subplot(1,2,1)
plt.title("Chiffre d'Affaires par catégorie sur 2 ans", y=1.05, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
Pro = Ca_par_categ["CA en million"].tolist()
for i in range(3):
    plt.text(Pro[i]-0.7, i+0.05, Pro[i], weight = 'bold', color = 'white')
sns.barplot(x="CA en million",y="Catégorie", data=Ca_par_categ, palette="crest");

# Génération du Graphique CA/Catégorie/an
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.subplot(1,2,2)
# Génération du Graphique CA/Catégorie/an
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.title("CA - Répartion par catégorie/an", y=1.05, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})

gfg = sns.barplot(x="Exercice",y="CA en million",  data=Ca_categ_an, hue="Catégorie", palette="crest");
Pro = Ca_categ_an.loc[Ca_categ_an['Catégorie'] == "0.0"]["CA en million"].tolist()
for i in range(2):
    plt.text(i-.35, Pro[i]-0.15, Pro[i], weight = 'bold', color = 'white')
Pro = Ca_categ_an.loc[Ca_categ_an['Catégorie'] == "1.0"]["CA en million"].tolist()
for i in range(2):
    plt.text(i-.09, Pro[i]-0.15, Pro[i], weight = 'bold', color = 'white')  
Pro = Ca_categ_an.loc[Ca_categ_an['Catégorie'] == "2.0"]["CA en million"].tolist()
for i in range(2):
    plt.text(i+0.19, Pro[i]-0.15, Pro[i], weight = 'bold', color = 'white')    

legend = gfg.legend(loc='upper right', shadow=True, fontsize='small', title='Catégorie')
legend.get_frame().set_facecolor('lightgrey')

plt.show()

# Calcul du Chiffre d'affaires en fonction de l'age -------------------------------------------
Ca_birthyear= transanalyse.groupby('birth')['price'].sum().reset_index()
Ca_birthyear = Ca_birthyear.sort_values(by=['birth'], ascending=False)
# Changement du nom des colonnes 'price' par 'CA en millier d'eurosn' et 'birth' par 'Année de naissance'
Ca_birthyear = Ca_birthyear.rename(columns={'birth': "Année de naissance", 
                                            'price':"CA en millier d'euros"})
# Ramener le CA en Centaine de Millier
Ca_birthyear["CA en millier d'euros"] = round((Ca_birthyear["CA en millier d'euros"]/1000),2)
# Convertir la 'Catégorie' en objet
Ca_birthyear["Année de naissance"] = Ca_birthyear["Année de naissance"].astype(str)
# Affichage du DF
#display(Ca_birthyear.head(3))

# Calcul du Chiffre d'affaires par tranche d'âge -------------------------------------------
Ca_agerange= transanalyse.groupby('Age-Range')['price'].sum().reset_index()
Ca_agerange = Ca_agerange.sort_values(by=['Age-Range'], ascending=True)
# Changement du nom des colonnes 
Ca_agerange = Ca_agerange.rename(columns={'Age-Range': "Tranche âge", 
                                            'price':"CA en millier d'euros"})
# Ramener le CA en Centaine de Millier
Ca_agerange["CA en millier d'euros"] = round((Ca_agerange["CA en millier d'euros"]/1000),2)

# Génération du Graphique tranche d'âge  ----------------------------------------------------
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.title("Répartition du CA réalisé par tranche d'âges", y=1.01, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
Pro = Ca_agerange["CA en millier d'euros"].tolist()
for i in range(3):
    plt.text(i-.2, Pro[i]-220, Pro[i], weight = 'bold', color = 'black')
for i in range(3,6):
    plt.text(i-.2, Pro[i]-220, Pro[i], weight = 'bold', color = 'white')    
for i in range(6, 8):
    plt.text(i-.2, Pro[i]+50, Pro[i], weight = 'bold', color = 'white')    
sns.barplot(x="Tranche âge",y="CA en millier d'euros", data=Ca_agerange, 
            palette="crest");

# Génération des Graphiques en fonction de l'age ------------------------------------------------
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
# Graphique tranches d'ages
fig = plt.figure(figsize=(12, 3))
plt.title("Répartition du CA réalisé en fonction de l'âge - Vue d'ensemble", y=1.01, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
Pro = Ca_birthyear["CA en millier d'euros"].tolist()   
gfg = sns.barplot(x="Année de naissance",y="CA en millier d'euros", data=Ca_birthyear, 
            palette="crest");
gfg.set_xticklabels(gfg.get_xticklabels(), rotation=70, fontsize=9) 
# Graphique détaillé ----------------------------------------------------------------------------
fig = plt.figure(figsize=(12, 25))
plt.title("Répartition du CA réalisé en fonction de l'âge - Vue détaillée", y=1.01, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
Pro = Ca_birthyear["CA en millier d'euros"].tolist()
for i in range(20):
    plt.text(Pro[i]-45, i+0.2, Pro[i], weight = 'bold', color = 'black')
for i in range(20, 50):
    plt.text(Pro[i]-45, i+0.2, Pro[i], weight = 'bold', color = 'white')    
for i in range(50, 76):
    plt.text(Pro[i]+5, i+0.2, Pro[i], weight = 'bold', color = 'white')    
gfg = sns.barplot(x="CA en millier d'euros",y="Année de naissance", data=Ca_birthyear, 
            palette="crest");
plt.show()

# Création de la base reprenant les dates et le Ca réalisé
sns.set(rc={'axes.facecolor':'whitesmoke', 'figure.facecolor':'whitesmoke'})
for i in range(30, 125, 30):
    
    Ca_days = Ca_categ_jour.groupby('jour')['CA/jour'].sum().reset_index()
    Ca_days = Ca_days.rename(columns={"CA/jour":"CA(millier d'euros)"})
    Ca_days["CA(millier d'euros)"] = round((Ca_days["CA(millier d'euros)"]/1000),2)
    MMTGe = Ca_days
    
    # Calcul de la moyenne mobile simple
    MMTGe['MA simple'] = MMTGe["CA(millier d'euros)"].rolling(i).mean()
    MMTGe.dropna(inplace=True)
    # Calcul de la moyenne mobile exponentielle
    MMTGe['MA expo'] = MMTGe["CA(millier d'euros)"].ewm(span=i).mean()    
    # Calcul de la moyenne mobile cumulée
    MMTGe['MA cumulée'] = MMTGe["CA(millier d'euros)"].expanding().mean()

    MMTGe = MMTGe.sort_values(by='jour', ascending=True).reset_index()
    MMTGe = MMTGe.drop('index', axis=1)
   
    # Conversion en DF contenant la date, le type de donnée et sa valeur
    dfm = MMTGe.melt('jour', var_name='Var', value_name='Valeurs')
    #display(dfm.head())
    fig = plt.figure(figsize=(12, 3))
    
    #sns.set_style("whitegrid")
    gfg = sns.lineplot(x='jour', y="Valeurs", hue='Var', data=dfm, 
                       palette=['lightgrey', 'teal', 'cyan', 'firebrick'], linewidth=2, legend=True)
    legend = gfg.legend(loc='upper left', shadow=True, fontsize='small')
    legend.get_frame().set_facecolor('whitesmoke')
    plt.title("Moyenne mobile à %d jours " %(i), y=1.01, 
               fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
    #gfg.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
    gfg.xaxis.set_major_locator(mdates.MonthLocator(interval=1))
    #gfg.tick_params(axis='x', labelrotation=70)
    plt.xticks(rotation=70, fontsize=10)
    plt.yticks(rotation=0, fontsize=10)
    plt.ylabel("Chiffre d'affaires")
    plt.xlabel('')
    plt.show()

13:53:09 - cmdstanpy - INFO - Chain [1] start processing
13:53:09 - cmdstanpy - INFO - Chain [1] done processing

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Création de la base reprenant les dates et le Ca réalisé
sns.set(rc={'axes.facecolor':'whitesmoke', 'figure.facecolor':'whitesmoke'})
for i in range(30, 125, 30):
    
    Ca_days = Ca_categ_jour.groupby('jour')['CA/jour'].sum().reset_index()
    Ca_days = Ca_days.rename(columns={"CA/jour":"CA(millier d'euros)"})
    Ca_days["CA(millier d'euros)"] = round((Ca_days["CA(millier d'euros)"]/1000),2)
    MMTGe = Ca_days
    
    # Calcul de la moyenne mobile simple
    MMTGe['MA simple'] = MMTGe["CA(millier d'euros)"].rolling(i).mean()
    MMTGe.dropna(inplace=True)
    # Calcul de la moyenne mobile exponentielle
    MMTGe['MA expo'] = MMTGe["CA(millier d'euros)"].ewm(span=i).mean()    
    # Calcul de la moyenne mobile cumulée
    MMTGe['MA cumulée'] = MMTGe["CA(millier d'euros)"].expanding().mean()

    MMTGe = MMTGe.sort_values(by='jour', ascending=True).reset_index()
    MMTGe = MMTGe.drop('index', axis=1)
   
    # Conversion en DF contenant la date, le type de donnée et sa valeur
    dfm = MMTGe.melt('jour', var_name='Var', value_name='Valeurs')
    #display(dfm.head())
    fig = plt.figure(figsize=(12, 3))
    
    #sns.set_style("whitegrid")
    gfg = sns.lineplot(x='jour', y="Valeurs", hue='Var', data=dfm, 
                       palette=['lightgrey', 'teal', 'cyan', 'firebrick'], linewidth=2, legend=True)
    legend = gfg.legend(loc='upper left', shadow=True, fontsize='small')
    legend.get_frame().set_facecolor('whitesmoke')
    plt.title("Moyenne mobile à %d jours " %(i), y=1.01, 
               fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
    #gfg.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
    gfg.xaxis.set_major_locator(mdates.MonthLocator(interval=1))
    #gfg.tick_params(axis='x', labelrotation=70)
    plt.xticks(rotation=70, fontsize=10)
    plt.yticks(rotation=0, fontsize=10)
    plt.ylabel("Chiffre d'affaires")
    plt.xlabel('')
    plt.show()

# Adaptation du DF pour utiliser 'Prophet'
Ca_jour_actuel = Ca_categ_jour.groupby('jour')['CA/jour'].sum().reset_index()
Data_forecast = Ca_jour_actuel.rename(columns={'jour':'ds','CA/jour':"y"})

m = Prophet(changepoint_prior_scale=0.05)
m.fit(Data_forecast)
future = m.make_future_dataframe(periods=365)
forecast = m.predict(future)

Ca_categ_prevision = forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']]
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail(3)
#fig1 = m.plot(forecast)
#fig2 = m.plot_components(forecast)
plot_plotly(m, forecast)

13:53:09 - cmdstanpy - INFO - Chain [1] start processing
13:53:09 - cmdstanpy - INFO - Chain [1] done processing

plot_components_plotly(m, forecast)

################################ Test de Kolmogorov-Smirnov ########################
message = "Test effectué sur la colonne 'price' du fichier 'products'"
Text_message(message)
message = "Test de Kolmogorov-Smirnov "
Text_message(message)
alpha = 0.05
sample_data = products['price'].values
scaler = StandardScaler()
sample_data_scaled = scaler.fit_transform(sample_data.reshape(-1, 1))
# Effectuer le test de Kolmogorov-Smirnov pour vérifier la normalité
kstest_result = kstest(sample_data_scaled.ravel(), 'norm')
# Afficher la statistique de test et la p-value
message = f"Statistique : {kstest_result.statistic:.4f}, P-valeur : {kstest_result.pvalue}"
Text_message(message)
if kstest_result.pvalue > alpha:
    message = "L'échantillon suit une distribution normale (hypothèse nulle non rejetée)"
else:
    message = "L'échantillon ne suit pas une distribution normale (hypothèse nulle rejetée)"
    
Text_message(message)

################################ Test de Kolmogorov-Smirnov ########################
message = "Test effectué sur la colonne 'price' du fichier 'products'"
Text_message(message)
message = "Test de Kolmogorov-Smirnov "
Text_message(message)
alpha = 0.05
sample_data = products['price'].values
scaler = StandardScaler()
sample_data_scaled = scaler.fit_transform(sample_data.reshape(-1, 1))
# Effectuer le test de Kolmogorov-Smirnov pour vérifier la normalité
kstest_result = kstest(sample_data_scaled.ravel(), 'norm')
# Afficher la statistique de test et la p-value
message = f"Statistique : {kstest_result.statistic:.4f}, P-valeur : {kstest_result.pvalue}"
Text_message(message)
if kstest_result.pvalue > alpha:
    message = "L'échantillon suit une distribution normale (hypothèse nulle non rejetée)"
else:
    message = "L'échantillon ne suit pas une distribution normale (hypothèse nulle rejetée)"
    
Text_message(message)

message = " ########### Test effectué sur la colonne 'price' du fichier final 'transanalyse' ###########"
Text_message(message)
########################################### test d'Anderson-Darling ################################
# Effectuer le test d'Anderson-Darling
result = anderson(transanalyse['price'])
# Afficher les statistiques de test et les seuils critiques
message = "Test d'Anderson-Darling "
Text_message(message)
message = "Statistique : {:.5f}".format(result.statistic)
Text_message(message)
message = 'Seuils critiques : {}'.format(result.critical_values)
Text_message(message)
message = 'Significativité : {}'.format(result.significance_level)
Text_message(message)

# Interpréter les résultats
for i in range(len(result.critical_values)):
    if result.statistic < result.critical_values[i]:
        a = result.significance_level[i]
        message = "Les données semblent suivre une distribution normale au niveau de significativité {:.f} %".format(a)
        Text_message(message) 
    else:
        a = result.significance_level[i]
        message = "Les données ne suivent pas une distribution normale au niveau de significativité {:.2f} %".format(a)
        Text_message(message)

########################################### test de Kolmogorov-Smirnov #######################

# Sélection de l'échantillon de données
x= transanalyse['price']
# Standardisation des données
x_standardized = (x - np.mean(x)) / np.std(x)
# Effectuer le test de Kolmogorov-Smirnov
statistic, p_value = st.kstest(x_standardized , 'norm')
# Afficher les résultats du test
alpha = 0.05  # Niveau de signification
message = "Test de Kolmogorov-Smirnov "
Text_message(message)
# autre possibilité : message = "Statistique : {:.5f}".format(statistic)+ ",    " +"P-valeur : {:.3f}".format(p_value)
message = f"Statistique : {statistic:.4f}, P-valeur : {p_value}"
Text_message(message)
if p_value > alpha:
    message = "L'échantillon suit une distribution normale (hypothèse nulle non rejetée)"
    Text_message(message)
else:
    message = "L'échantillon ne suit pas une distribution normale (hypothèse nulle rejetée)"
    Text_message(message)
    
# Tracer l'histogramme
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.figure(figsize=(12,3)) 
plt.subplot(1,2,1)
plt.hist(x, range(10,30), density=True, color='teal', alpha=0.7)
# Calculer les valeurs de la densité gaussienne
mu = np.mean(x)
sigma = np.std(x)
x1 = np.linspace(np.min(x), np.max(x), 100)
gaussian = (1 / (sigma * np.sqrt(2 * np.pi))) * np.exp(-0.5 * ((x1 - mu) / sigma) ** 2)
# Tracer la Moyenne empirique
xbar=np.mean(transanalyse['price'])
plt.axvline(xbar, color='orange', linewidth=2)
# Tracer la courbe de densité gaussienne
plt.plot(x1, gaussian, color='red', linewidth=2)
plt.xlim([0,40])
plt.ylabel('Fréquence')
plt.title('Histogramme de l\'échantillon')
plt.grid(color='grey', linestyle='-', linewidth=1)
# Ajouter une légende et des étiquettes d'axes
plt.legend(['Moyenne empirique', 'Densité gaussienne', 'Histogramme'], fontsize = 'small', 
           labelcolor='w')
plt.ylabel('Fréquence')
plt.xlabel('Prix')
plt.title("Variable 'Prix' - Distribution", y=1.01, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'})

plt.subplot(1,2,2)
# Tracer le graphique quantile-quantile (Q-Q plot)
st.probplot(x1, dist='norm', plot=plt)
plt.plot(plt.gca().lines[0].get_xdata(), plt.gca().lines[0].get_ydata(),marker='o', 
         markerfacecolor='black', markeredgecolor='teal', linestyle='none')
plt.xlabel('Quantiles théoriques (distribution normale)')
plt.ylabel('Quantiles observés')
plt.grid(color='grey', linestyle='-', linewidth=1)
plt.title("Graphique quantile-quantile (Q-Q plot)", y=1.01, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
        
plt.show()

################################ Test de Kolmogorov-Smirnov ########################
message = "Test effectué sur la colonne 'birth' du fichier 'customers'"
Text_message(message)
message = "Test de Kolmogorov-Smirnov "
Text_message(message)
sample_data = customers['birth'].values
scaler = StandardScaler()
sample_data_scaled = scaler.fit_transform(sample_data.reshape(-1, 1))
# Effectuer le test de Kolmogorov-Smirnov pour vérifier la normalité
kstest_result = kstest(sample_data_scaled.ravel(), 'norm')
alpha= 0.05
# Afficher la statistique de test et la p-value
message = f"Statistique : {kstest_result.statistic:.4f}, P-valeur : {kstest_result.pvalue}"
Text_message(message)
if kstest_result.pvalue > alpha:
    message = "L'échantillon suit une distribution normale (hypothèse nulle non rejetée)"
    Text_message(message)
else:
    message = "L'échantillon ne suit pas une distribution normale (hypothèse nulle rejetée)"
    Text_message(message)

message = " ########### Test effectué sur la colonne 'Age' du fichier final 'transanalyse' ###########"
Text_message(message)
########################################### test d'Anderson-Darling ################################
# Effectuer le test d'Anderson-Darling
result = anderson(transanalyse['Age'])
p_value = 1.0 / np.max(result.critical_values)
#p_value = min(result.critical_values) / 100
# Afficher les statistiques de test et les seuils critiques
message = "Test d'Anderson-Darling "
Text_message(message)
message = "Statistique : {:.5f}".format(result.statistic)
Text_message(message)
message = 'Seuils critiques : {}'.format(result.critical_values)
Text_message(message)
message = 'Significativité : {}'.format(result.significance_level)
Text_message(message)

# Interpréter les résultats
for i in range(len(result.critical_values)):
    if result.statistic < result.critical_values[i]:
        a = result.significance_level[i]
        message = "Les données semblent suivre une distribution normale au niveau de significativité {:.f} %".format(a)
        Text_message(message)        
    else:
        a = result.significance_level[i]
        message = "Les données ne suivent pas une distribution normale au niveau de significativité {:.2f} %".format(a)
        Text_message(message) 

########################################### test de Kolmogorov-Smirnov #######################

# Données à observer
data = transanalyse['Age']
# Standardisation des données
data_standardized = (data - np.mean(data)) / np.std(data)
# Effectuer le test de Kolmogorov-Smirnov
statistic, p_value = st.kstest(data_standardized , 'norm')
# Afficher les résultats du test
alpha = 0.05  # Niveau de signification
message = "Test de Kolmogorov-Smirnov "
Text_message(message)
message = "Statistique : {:.5f}".format(statistic)
Text_message(message)
message = "P-valeur : {:.3f}".format(p_value)
Text_message(message)
if p_value > alpha:
    message = "L'échantillon suit une distribution normale (hypothèse nulle non rejetée)"
    Text_message(message)
else:
    message = "L'échantillon ne suit pas une distribution normale (hypothèse nulle rejetée)"
    Text_message(message)

# Tracer l'histogramme
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.figure(figsize=(12,3)) 
plt.subplot(1,2,1)
plt.hist(data, range(19,95), density=True, color='teal', alpha=0.7)
# Calculer les valeurs de la densité gaussienne
# Paramètres de la distribution gaussienne
mu = np.mean(data)
sigma = np.std(data)
x1 = np.linspace(np.min(data), np.max(data), 100)
gaussian = (1 / (sigma * np.sqrt(2 * np.pi))) * np.exp(-0.5 * ((x1 - mu) / sigma) ** 2)
# Tracer la Moyenne empirique
xbar=np.mean(transanalyse['Age'])
plt.axvline(xbar, color='orange', linewidth=2)
# Tracer la courbe de densité gaussienne
plt.plot(x1, gaussian, color='red', linewidth=2)
plt.grid(color='w', linestyle='-', linewidth=1)
plt.xlim([19,95])
# Ajouter une légende et des étiquettes d'axes
plt.legend(['Moyenne empirique', 'Densité gaussienne', 'Histogramme'], fontsize = 'medium', 
           labelcolor='w')
plt.xlabel('Valeurs')
plt.ylabel('Densité')
plt.title("Variable 'Age' - Distribution", y=1.01, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'})

plt.subplot(1,2,2)
# Tracer le graphique quantile-quantile (Q-Q plot)
st.probplot(x1, dist='norm', plot=plt)
plt.plot(plt.gca().lines[0].get_xdata(), plt.gca().lines[0].get_ydata(),
         marker='o', markerfacecolor='black', markeredgecolor='teal', linestyle='None')
plt.xlabel('Quantiles théoriques (distribution normale)')
plt.ylabel('Quantiles observés')
plt.title("Graphique quantile-quantile (Q-Q plot)", y=1.01, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
# Afficher le graphique
plt.show()

# Créer la table pivotante en utilisant 'sum' comme aggfunc
Genre_achats = pd.pivot_table(transanalyse, index='Age', columns='sex', values='price', aggfunc='sum')
Genre_achats = Genre_achats.reset_index()
Genre_achat1 = transanalyse.groupby(['Age', 'sex'])['price'].sum().reset_index()

## Tests de normalité et d'égalité des variances pour vérifier les hypophèses à l'utilisation ou non d'un test de student ##
# Echantillons 
x = Genre_achats['f']
y = Genre_achats['m']
from scipy.stats import f_oneway
########################### Test de Shapiro-Wilk pour tester la normalité des variances #####################
message = 'Test de Shapiro-Wilk'
Text_message(message)
statistic, p_value = st.shapiro(x)
message = "Statistique de test : {:.5f}  et P_value : {}".format(statistic,p_value)
Text_message(message)
# Interprétation des résultats
if p_value > 0.05:
    message = "L'échantillon 'Femmes' suit une distribution normale."
else:
    message = "L'échantillon 'Femmes' ne suit pas une distribution normale."
Text_message(message)

statistic1, p_value1 = st.shapiro(y)
message = "Statistique de test : {:.5f}  et P_value : {}".format(statistic1,p_value1)
Text_message(message)
# Interprétation des résultats
if p_value > 0.05:
    message = "L'échantillon 'Hommes' suit une distribution normale."
else:
    message = "L'échantillon 'Hommes' ne suit pas une distribution normale."
Text_message(message)
message = "Les deux groupes ne suivent pas une distribution normale. Un test non paramétrique est utilisé à la place du test de Student"
Text_message(message)
message ="------------------------------------------------------------------------"
Text_message(message)
###########################  Test de Wilcoxon-Mann-Whitney pour comparer la distribution des échantillons ##################
message = 'Test de Wilcoxon-Mann-Whitney'
Text_message(message)
# Exemple d'échantillons indépendants (vous devez remplacer ces échantillons par vos propres données)
echantillon1 = Genre_achats['f']
echantillon2 = Genre_achats['m']

# Effectuer le test de Wilcoxon-Mann-Whitney
statistique, p_value = mannwhitneyu(echantillon1, echantillon2)
# Afficher les résultats du test
message = "Test Statistique U: {}".format(statistique)
Text_message(message)
message = "P-value : {}".format(p_value)
Text_message(message)
# Interpréter le résultat du test
alpha = 0.05  # Niveau de signification (généralement 0,05)
if p_value < alpha:
    message = "Il y a une différence statistiquement significative entre les distributions."
else:
    message = "Il n'y a pas de différence statistiquement significative entre les distributions.(hypothèse nulle non rejetée)"
Text_message(message)
# Graphique 
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.title("Volume d'achats suivant l'âge par genre", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.boxplot(x='sex', y="price", data=Genre_achat1, palette='crest', showfliers=False,showmeans=True,
            medianprops=dict(linestyle='-', linewidth=2, color='coral'), notch = True,
            meanprops=dict(marker='p',markerfacecolor='white', markeredgecolor='black', markersize=8),
            boxprops = dict(linestyle='-', linewidth=0))
plt.ylabel("Volumes d'achats")
plt.xlabel('Genre')
plt.show()

# Données pour les graphiques
data0 = transanalyse.loc[transanalyse.categ == '0.0', :]
data1 = transanalyse.loc[transanalyse.categ == '1.0', :]
data2 = transanalyse.loc[transanalyse.categ == '2.0', :]

# Listes de données et de labels
datas = [data0['price'], data1['price'], data2['price']]
labels = ['Categorie 0.0', 'Categorie 1.0', 'Categorie 2.0']

# Création de la figure et des sous-graphiques
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig, axs = plt.subplots(nrows=1, ncols=3, figsize=(12, 3))
# Boucle for avec histplot, médiane, moyenne et mode
for data, label, ax in zip(datas, labels, axs):
    data.hist(ax=ax, color='teal')
    ax.set_title(label, y=1.01, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
    mediane = np.median(data)
    moyenne = np.mean(data)
    mode = data.mode()
    ax.axvline(mediane, color='r', linestyle='-', linewidth=2, label=f"Médiane: {mediane:.2f}")
    ax.axvline(moyenne, color='y', linestyle='--', linewidth=2, label=f"Moyenne: {moyenne:.2f}")
    barres = ax.patches
    hauteurs = max([barre.get_height() for barre in barres])
    ax.text(moyenne*2, hauteurs/1.5, f'Mode : {mode.values}', color="white",
         fontsize=12, bbox=dict(facecolor='black', alpha=0.8, edgecolor='none', boxstyle='round'))
    ax.legend(fontsize = 'medium', labelcolor='w')
# Ajustement de l'espacement entre les graphiques
plt.tight_layout()
# Affichage de la figure
plt.show()

# Création d'un Df comprenant les effectifs (hommes/femmes) par catégorie
Compt_cat = transanalyse.pivot_table(index='categ', columns='sex', values='id_prod',aggfunc=len,
                               margins=False).reset_index()
# Ajout de la colonne 'Total'
Compt_cat["Total"] = Compt_cat["f"] + Compt_cat["m"]
# Ajout de la fréquence des effectifs
Compt_cat["fréquence"] = round((Compt_cat["Total"] / len(transanalyse)),3)
# Affichage du tableau
#display(Compt_cat.head())

# Diagramme en secteurs
plt.figure(figsize=(12,3)) 
plt.subplot(1,2,1)
colors = sns.color_palette('crest')
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'black'})
# Diagramme en secteurs
labels = ['Categ 0.0', 'Categ 1.0', 'Categ 2.0']
plt.title("Distribution empirique - Catégories", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'}) 
plt.pie(Compt_cat['fréquence'], colors = colors, labels=labels,autopct = '%.2f%%',
       explode = [0.05,0.05,0.05], shadow = 'True',
       textprops = {'color': 'black','fontsize':10},
       wedgeprops = {'linewidth': 2})
# Forcer le pie chart en cercle plutôt qu'en éllipse
plt.axis('equal') 
# Diagramme en tuyaux d'orgues
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.subplot(1,2,2) 
plt.title("Distribution empirique - Catégories", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x="categ",y="fréquence", data=Compt_cat, width=0.3,
            palette="crest")
plt.xlabel('Catégorie')
# Affiche les graphiques
plt.show()

################# Courbe PARETO - Quantités ####################
pareto = transanalyse.groupby(['categ'])['session_id'].count().reset_index()
# Changement du nom des colonnes 'session_id' par 'Quantité' et 'categ' par 'Catégorie'
pareto = pareto.rename(columns={'session_id': "Quantité", "categ":"catégorie"})
# Calculer les pourcentages cumulés
pareto['Pourcentage'] = (pareto['Quantité'] / pareto['Quantité'].sum()) * 100
pareto['Pourcentage_cumulé'] = pareto['Pourcentage'].cumsum()
################# Courbe PARETO - Chiffre d'affaires ####################
paretop = transanalyse.groupby(['categ'])['price'].sum().reset_index()
paretop['price'] = paretop['price'] / 1000
# Changement noms colonnes 'price' par 'Chiffre d'affaires (en millier)' et 'categ' par 'Catégorie'
paretop = paretop.rename(columns={'price': "Chiffre d'affaires (en millier)", "categ":"catégorie"})
# Calculer les pourcentages cumulés
paretop['Pourcentage'] = (paretop["Chiffre d'affaires (en millier)"] / 
                          paretop["Chiffre d'affaires (en millier)"].sum()) * 100
paretop['Pourcentage_cumulé'] = paretop['Pourcentage'].cumsum()

# Tracer les courbes de Pareto Quantités
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 3))
sns.barplot(x='catégorie', y='Quantité', data=pareto, palette='crest', ax=ax1)
# Tracer la courbe de Pareto (pourcentage cumulé)
ax1twin = ax1.twinx()
sns.lineplot(x='catégorie', y='Pourcentage_cumulé', data=pareto, marker='o', color='salmon', 
             ax=ax1twin)
#ax1.set_title('Courbe de Pareto des catégories (Quantités)')
ax1.set_title("Courbe de Pareto des catégories (Quantités)", y=1.01, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
# Tracer les courbes de Pareto Chiffre d'affaires
sns.barplot(x='catégorie', y="Chiffre d'affaires (en millier)", data=paretop, palette='crest', ax=ax2)
# Tracer la courbe de Pareto (pourcentage cumulé)
ax2twin = ax2.twinx()
sns.lineplot(x='catégorie', y='Pourcentage_cumulé', data=paretop, marker='o', color='salmon', 
             ax=ax2twin)
#ax2.set_title("Courbe de Pareto des catégories (Chiffre d'affaires)")
ax2.set_title("Courbe de Pareto des catégories (Chiffre d'affaires)", y=1.01, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
ax1twin.grid(False)
ax2twin.grid(False)
plt.tight_layout()
plt.show()

############## Création des Dataframes utiles à la réalisation des courbes de PARETO  ##############
Cat0 = transanalyse.loc[transanalyse['categ'] == '0.0']
Cat1 = transanalyse.loc[transanalyse['categ'] == '1.0']
Cat2 = transanalyse.loc[transanalyse['categ'] == '2.0']

pareto0 = Cat0.groupby(['id_prod'])['session_id'].count().reset_index()
# Changement du nom des colonnes 'session_id' par 'Quantité' et 'categ' par 'Catégorie'
pareto0 = pareto0.rename(columns={'session_id': "Ventes", "id_prod":"produit"})
# Calculer les pourcentages cumulés
pareto0['Pourcentage'] = (pareto0['Ventes'] / pareto0['Ventes'].sum()) * 100
pareto0 = pareto0.sort_values(by='Pourcentage', ascending=False).reset_index()
pareto0 = pareto0.drop(['index'], axis=1)
pareto0['Pourcentage_cumulé'] = pareto0['Pourcentage'].cumsum()

pareto1 = Cat1.groupby(['id_prod'])['session_id'].count().reset_index()
# Changement du nom des colonnes 'session_id' par 'Quantité' et 'categ' par 'Catégorie'
pareto1 = pareto1.rename(columns={'session_id': "Ventes", "id_prod":"produit"})
# Calculer les pourcentages cumulés
pareto1['Pourcentage'] = (pareto1['Ventes'] / pareto1['Ventes'].sum()) * 100
pareto1 = pareto1.sort_values(by='Pourcentage', ascending=False).reset_index()
pareto1 = pareto1.drop(['index'], axis=1)
pareto1['Pourcentage_cumulé'] = pareto1['Pourcentage'].cumsum()

pareto2 = Cat2.groupby(['id_prod'])['session_id'].count().reset_index()
# Changement du nom des colonnes 'session_id' par 'Quantité' et 'categ' par 'Catégorie'
pareto2 = pareto2.rename(columns={'session_id': "Ventes", "id_prod":"produit"})
# Calculer les pourcentages cumulés
pareto2['Pourcentage'] = (pareto2['Ventes'] / pareto2['Ventes'].sum()) * 100
#pareto2 = pareto2.drop(['index'], axis=1)
pareto2 = pareto2.sort_values(by='Pourcentage', ascending=False).reset_index()
pareto2 = pareto2.drop(['index'], axis=1)
pareto2['Pourcentage_cumulé'] = pareto2['Pourcentage'].cumsum()
################################################################################################

dataframes= [pareto0, pareto1, pareto2]
for i, pareto in enumerate(dataframes, start=0):
    seuil_ventes(pareto)
    Comp = seuil_ventes(pareto)[0]
    pour = seuil_ventes(pareto)[1]
    seuil = seuil_ventes(pareto)[2]
    tot = seuil_ventes(pareto)[3]
    # Tracer les courbes de Pareto Quantités
    sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
    fig, ax1 = plt.subplots(figsize=(10, 2))
    ax2 = ax1.twinx()
    plt.title("Courbe de Pareto de la catégorie  {}.0 \nVolumes de ventes".format(i), y=1.05, 
              fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
    sns.barplot(x='produit', y='Ventes', data=pareto, color='black', ax=ax1)
    # Tracer la courbe de Pareto (pourcentage cumulé)
    sns.lineplot(x='produit', y='Pourcentage_cumulé', data=pareto, color='firebrick', linewidth=2,
                 markeredgecolor = 'none', ax=ax2)
    ax2.axhline(y=pour, color='teal', linestyle='-', linewidth=2 , label='77% des ventes')
    # Ligne verticale pour indiquer le produit
    ax1.axvline(x=seuil, color='springgreen', linestyle='--', linewidth=2 , label='Produit indiqué')
    
    # Affichage de l'indice de Gini
    ax2.text(seuil*2.8, pour-70, 
         f'{pour}% des ventes concerne {100-pour}% des produits\nsoit {seuil} produits sur {tot} ',
         fontsize=10, bbox=dict(facecolor='whitesmoke', edgecolor='gray', boxstyle='round'))
    
    ax2.text(seuil/1.3, pour-70,
             f'{seuil} produits', color='black',
         fontsize=10, bbox=dict(facecolor='springgreen', edgecolor='gray', boxstyle='round'))
    
    ax2.set_ylabel('Pourcentage cumulé', color='r')
    plt.legend(loc='center right', shadow=True, fontsize='small', title='', facecolor='whitesmoke')
    plt.xticks([])
    ax1.set_xlabel('Livres de la catégorie')
    ax1.grid(False)
    ax2.grid(False)
    plt.show()

# Préparation des données
Bestsell = transanalyse.groupby(['id_prod','categ','price']).size().reset_index()
Bestsell = Bestsell.rename(columns={0: "Qt vendus"})
Bestsell = Bestsell.sort_values(by='Qt vendus', ascending=False)
Bests = Bestsell.head(20)
Worths = Bestsell.tail(20)

Bestsell00 = Bestsell.loc[Bestsell['categ'] == '0.0']
Bestsell02 = Bestsell.loc[Bestsell['categ'] == '2.0']
Bests00 = Bestsell00.head(20)
Bests02 = Bestsell02.head(20)

# Génération du Graphique  TOP 
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'whitesmoke'})
fig = plt.figure(figsize=(12, 3))
plt.subplot(1,2,1)
plt.title("Meilleures ventes toutes catégories", y=1.01, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'})  
gfg = sns.barplot(x="id_prod",y="Qt vendus", data=Bests, hue='categ',
            palette="rocket");
legend = gfg.legend(loc='upper right', shadow=True, fontsize='small', title='Catégorie')
legend.get_frame().set_facecolor('lightgrey')
plt.xticks(rotation=70, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Quantité vendue")
plt.xlabel('Code livre')   
gfg.set_ylim(1700, 2300)
# Génération du Graphique   FLOP
plt.subplot(1,2,2)
plt.title("Flop 20 toutes catégories", y=1.01, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'})  
gfg = sns.barplot(x="id_prod",y="Qt vendus", data=Worths, hue='categ',
            palette="rocket");
legend = gfg.legend(loc='upper right', shadow=True, fontsize='small', title='Catégorie')
legend.get_frame().set_facecolor('lightgrey')
plt.xticks(rotation=70, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Quantité vendue")
plt.xlabel('Code livre')   
plt.show()

# Génération du Graphique  TOP 2.0
fig = plt.figure(figsize=(12, 3))
plt.subplot(1,2,1)
plt.title("Meilleures ventes catégorie 2.0", y=1.01, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'})  
gfg = sns.barplot(x="id_prod",y="Qt vendus", data=Bests02, hue='categ',
            palette="crest");
legend = gfg.legend(loc='upper right', shadow=True, fontsize='small', title='Catégorie')
legend.get_frame().set_facecolor('lightgrey')
plt.xticks(rotation=70, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Quantité vendue")
plt.xlabel('Code livre')
gfg.set_ylim(500, 1100)

# Génération du Graphique  TOP 0.0
plt.subplot(1,2,2)
plt.title("Meilleures ventes catégorie 0.0", y=1.01, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'})  
gfg = sns.barplot(x="id_prod",y="Qt vendus", data=Bests00, hue='categ',
            palette="flare");
legend = gfg.legend(loc='upper right', shadow=True, fontsize='small', title='Catégorie')
legend.get_frame().set_facecolor('lightgrey')
gfg.set_ylim(1150, 1300)
plt.xticks(rotation=70, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Quantité vendue")
plt.xlabel('Code livre')
plt.show()

Bestsell['Ca/livre'] = Bestsell['price'] * Bestsell['Qt vendus']
Bestsell = Bestsell.sort_values(by='Ca/livre', ascending=False)
BestCA = Bestsell.head(20)

# Génération du Graphique  TOP
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'whitesmoke'})
fig = plt.figure(figsize=(12, 3))
plt.title("Meilleurs CA toutes catégories", y=1.01, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})  
gfg = sns.barplot(x="id_prod",y="Ca/livre", data=BestCA, hue='categ',
            palette="rocket");
legend = gfg.legend(loc='upper right', shadow=True, fontsize='small', title='Catégorie')
legend.get_frame().set_facecolor('lightgrey')
gfg.set_ylim(40000, 100000)
plt.xticks(rotation=70, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Chiffre d'affaires")
plt.xlabel('Code livre')
plt.show()

# Création d'un Df comprenant les effectifs (hommes/femmes) par catégorie
Compt_age = transanalyse.pivot_table(index='Age-Range', columns='sex', values='id_prod',aggfunc=len,
                               margins=False).reset_index()

Compt_age["Total"] = Compt_age["f"] + Compt_age["m"]
# Ajout de la fréquence des effectifs
Compt_age["fréquence"] = round((Compt_age["Total"] / len(transanalyse)),3)
# Affichage du tableau 
display(Compt_age)

# Création des graphiques
plt.figure(figsize=(12,4))
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'whitesmoke'})
plt.subplot(1,2,1)
colors = sns.color_palette('crest')
# Diagramme en secteurs
#labels = Compt_age['Age-Range'].to_list
plt.title("Distribution empirique - Tranches d'âges", y=1.01, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'}) 
plt.pie(Compt_age['fréquence'], colors = colors, autopct = '%.2f%%', shadow = 'True', 
        explode = [0.1,0.05,0.05,0.05,0.05,0.1,0.2,0.4], labels=Compt_age['Age-Range'],
        textprops = {'color': 'black','fontsize':10},
       wedgeprops = {'linewidth': 2})
# Forcer le pie chart en cercle plutôt qu'en éllipse
plt.axis('equal') 
plt.subplot(1,2,2)
# Diagramme en tuyaux d'orgues
plt.title("Distribution empirique - Tranches d'âges", y=1.01, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
gfg = sns.barplot(x="Age-Range",y="fréquence", data=Compt_age, width=0.4,
            palette="crest");
gfg.set_xticklabels(gfg.get_xticklabels(), rotation=45)
plt.ylabel("")
plt.xlabel("Tranches d'âges")
# Affiche les graphiques
plt.show()

# Fixer les tranches d'ages pour l'analyse
Tranches = transanalyse.copy()
age1 = 31
age2 = 51
Tranches['Age'] = 2023 - Tranches['birth']
Tranches['Age-Range'] = pd.cut(x=Tranches['Age'], bins=[18,age1,age2,95])
Tranches = Tranches.sort_values(by=['Age'], ascending=True)

# Création du Dataframe utile à l'analyse
Corr_age_somme1 = transanalyse.groupby('Age-Range').agg({'price': 'sum', 
                                                        'session_id': 'count'}).reset_index()
Corr_age_somme1['price'] = round((Corr_age_somme1['price']),2)
# Création du Dataframe utile à l'analyse
Corr_age_somme = Tranches.groupby('Age-Range').agg({'price': 'sum', 
                                                        'session_id': 'count'}).reset_index() 
Corr_age_somme['price'] = round((Corr_age_somme['price']),2)
# Préparation des attributs du boxplot
medianprops = dict(linestyle='-', linewidth=2, color='coral')
meanprops = dict(marker='p',markerfacecolor='firebrick', markeredgecolor='black', markersize=8)
boxprops = dict(linestyle='-', linewidth=0, facecolor='teal')


# Renommer les colonnes des Df utilisés
Corr_age_somme2 = Corr_age_somme
Corr_age_somme2 = Corr_age_somme2.rename(columns={'Age-Range': "Tranche d'âges", 
                                                  'price': "Montant d'achat", 
                                                  "session_id":"Nbr de sessions"})
Corr_age_somme1 = Corr_age_somme1.rename(columns={'Age-Range': "Tranche d'âges", 
                                                  'price': "Montant d'achat", 
                                                  "session_id":"Nbr de sessions"})

# Création d'une figure avec deux sous-graphiques
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'whitesmoke'})
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 4))
ax3 = ax2.twinx()
# Affichage du dataframe sur le premier sous-graphique
ax1.axis('off')  # Supprime les axes
ax1.table(cellText=Corr_age_somme2.values, colLabels=Corr_age_somme2.columns, loc='top',
         cellLoc='right', cellColours=[['lightgray', 'whitesmoke', 'whitesmoke']]*len(Corr_age_somme2),
         bbox=[0, 0, 0.9, 0.8])
# Tracer le premier graphique Boxplot
plt.suptitle("Panier moyen et nombre d'achats par tranche d'âge", y=1, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})

sns.boxplot(x="Age-Range", y="price", data=transanalyse, ax=ax2, showfliers=False, showmeans=True,
            notch = True, meanprops=meanprops, medianprops=medianprops,
            boxprops = boxprops)
ax2.set_xlabel("Tranche d'âge")
ax2.set_ylabel("Panier moyen", color='teal')  
# Tracer le deuxième graphique Barplot
sns.barplot(x="Tranche d'âges", y='Nbr de sessions', data=Corr_age_somme2, ax=ax3,  palette='Reds', alpha=0.4,
            edgecolor="red", linewidth=2)
ax3.set_ylabel("Nombre de sessions", color='salmon')
ax3.grid(False)
plt.show()


# Création d'une figure avec deux sous-graphiques
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 4))
ax3 = ax2.twinx()
# Affichage du dataframe sur le premier sous-graphique
ax1.axis('off')  # Supprime les axes
ax1.table(cellText=Corr_age_somme1.values, colLabels=Corr_age_somme1.columns, loc='top',
         cellLoc='right', cellColours=[['lightgray', 'whitesmoke', 'whitesmoke']]*len(Corr_age_somme1),
         bbox=[0, 0, 0.9, 0.8])

# Tracé d'un graphique (ici, un diagramme en barres) sur le deuxième sous-graphique
plt.suptitle("Tranches d'âges affinées\nPanier moyen et nombre d'achats par tranche d'âge", y=1, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.boxplot(x="Age-Range", y="price", data=transanalyse, ax=ax2, showfliers=False, showmeans=True,
            notch = True, meanprops=meanprops, medianprops=medianprops, 
            boxprops = boxprops)
ax2.set_xlabel("Tranche d'âge")
ax2.set_ylabel("Panier moyen", color='teal')  
# Tracer le deuxième graphique Barplot
sns.barplot(x="Tranche d'âges", y='Nbr de sessions', data=Corr_age_somme1, ax=ax3, palette='Reds', alpha=0.4,
            edgecolor="red", linewidth=2)
ax3.set_ylabel("Nombre de sessions", color='salmon') 
ax2.set_xticklabels(ax2.get_xticklabels(), rotation=30) 
ax3.grid(False)
plt.show()

##################### Visualisation du nombre d'articles achetés par le montant des sessions #########################

# Création DF des clients avec price.sum() et sessions.count()
Session_CA_nb_articles = transanalyse.groupby(['session_id',
                                    'client_id','sex','Age']).agg({'price':'sum', 
                                                                   'session_id': 'count'})
Session_CA_nb_articles = Session_CA_nb_articles.rename(columns={"price":"CA session", "session_id":"Nbr articles"})
Session_CA_nb_articles = Session_CA_nb_articles.reset_index()
Session_CA_nb_articles

sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 4))
plt.title("Nombres d'articles vendus en fonction du Chiffre d'affaires par session", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})

sns.scatterplot(data=Session_CA_nb_articles, x='CA session', y='Nbr articles', color='firebrick')
# Affichage
plt.show()

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

##################### Visualisation du nombre d'articles achetés par le montant des sessions #########################

# Création DF des clients avec price.sum() et sessions.count()
Session_CA_nb_articles = transanalyse.groupby(['session_id',
                                    'client_id','sex','Age']).agg({'price':'sum', 
                                                                   'session_id': 'count'})
Session_CA_nb_articles = Session_CA_nb_articles.rename(columns={"price":"CA session", "session_id":"Nbr articles"})
Session_CA_nb_articles = Session_CA_nb_articles.reset_index()
Session_CA_nb_articles

sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 4))
plt.title("Nombres d'articles vendus en fonction du Chiffre d'affaires par session", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})

sns.scatterplot(data=Session_CA_nb_articles, x='CA session', y='Nbr articles', color='firebrick')
# Affichage
plt.show()

####################################### Analyse des sessions selon les tranches d'âges #################################

# Calul du nombre de sesions par âge
Ca_Freq = transanalyse.groupby(['Age'])['session_id'].count().reset_index()
Ca_Freq = Ca_Freq.sort_values(by='Age', ascending=True)
Ca_Freq = Ca_Freq.rename(columns={'session_id':"Nbr de sessions"})

# Calul du nombre de sesions par client
Ca_Freq1 = transanalyse.groupby(['client_id','Age'])['session_id'].count().reset_index()
Ca_Freq1 = Ca_Freq1.sort_values(by='Age', ascending=True)

# Calul du nombre moyen de sessions par âge
Ca_Freq2 = Ca_Freq1.groupby(['Age'])['session_id'].median().reset_index()
Ca_Freq2 = Ca_Freq2.rename(columns={'session_id':"Moyenne des sessions"})
Ca_Freq2= pd.merge(Ca_Freq2, Ca_Freq, on=['Age'], how ='left', indicator=True)
Ca_Freq2 = Ca_Freq2.drop('_merge', axis=1)
message = "Moyenne des sessions en fonction de l'âge"
Text_message(message)
display(Ca_Freq2.head(3))

# Calculer le CA global par tranche d'âge
Ca_3age = Tranches.groupby('Age-Range')['price'].sum().reset_index()
Ca_3age['price'] = round((Ca_3age['price'] / 1000),2)
Ca_3age['%'] = round(((Ca_3age['price'] *100) /  Ca_3age['price'].sum()),2)
Ca_3age = Ca_3age.sort_values(by=['Age-Range'], ascending=True)
message = "Distribution du Chiffre d'affaires par tranche d'âges"
Text_message(message)
display(Ca_3age)

# Calculer le CA par âge
Ca_age= transanalyse.groupby('Age')['price'].sum().reset_index()
Ca_age['%'] = round(((Ca_age['price'] *100) /  Ca_age['price'].sum()),2)
# Ajout de la colonne tranche d'âge
Ca_age['Age-Range'] = pd.cut(x=Ca_age['Age'], bins=[18,age1,age2,95])
# Jointure des 2 tables
Ca_age = pd.merge(Ca_3age, Ca_age, on=['Age-Range'], how ='right', indicator=True)
Ca_age = Ca_age.sort_values(by=['Age'], ascending=True)
Ca_age = Ca_age.rename(columns={'%_x':"Taux Tranche Ages", '%_y':"Taux Age",
                               'price_x':"CA Tranche Ages (en millier)", 'price_y':"CA par Age"})
Ca_age = Ca_age.drop('_merge', axis=1)
# Jointure avec la table 'Ca_Freq2' pour obtenir les sessions
Ca_age = pd.merge(Ca_age, Ca_Freq2, on=['Age'], how ='right', indicator=True)
Ca_age = Ca_age.drop('_merge', axis=1)
message = "Table détaillée - Regroupement des données"
Text_message(message)
display(Ca_age.tail(3))

# Dispatch entre les tranches d'âges
Ca_Freq_jeune = Ca_age.loc[(Ca_Freq['Age'] > age1) & (Ca_age['Age'] <= age2)]
Ca_Freq_jeune1 = Ca_age.loc[(Ca_Freq2['Age'] > age1) & (Ca_age['Age'] <= age2)]
Ca_Freq_Tjeune = Ca_age.loc[Ca_Freq['Age'] <= age1]
Ca_Freq_Tjeune1 = Ca_age.loc[Ca_Freq2['Age'] <= age1]
Ca_Freq_vieux = Ca_age.loc[Ca_Freq['Age'] > age2]
Ca_Freq_vieux1 = Ca_age.loc[Ca_Freq2['Age'] > age2]

# Création des DF utiles pour visualisation
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.subplot(1,2,1)

plt.title("Moyenne de sessions par âge sur 2 ans", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.regplot(data=Ca_Freq_vieux1, x='Age', y='Moyenne des sessions', marker='p', color='teal')
sns.regplot(data=Ca_Freq_jeune1, x='Age', y='Moyenne des sessions', marker='p', color='salmon')
sns.regplot(data=Ca_Freq_Tjeune1, x='Age', y='Moyenne des sessions', marker='p', color='seagreen')
plt.grid(color="darkgrey")
plt.subplot(1,2,2)
plt.title("Nombre de sessions par âge sur 2 ans", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.regplot(data=Ca_Freq_vieux, x='Age', y='Nbr de sessions', marker='p', color='teal')
sns.regplot(data=Ca_Freq_jeune, x='Age', y='Nbr de sessions', marker='p', color='salmon')
sns.regplot(data=Ca_Freq_Tjeune, x='Age', y='Nbr de sessions', marker='p', color='seagreen')
plt.grid(color="darkgrey")
plt.show()

# Créer la figure et les axes
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig, ax1 = plt.subplots(figsize=(12,3))
ax2 = ax1.twinx()
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})

plt.suptitle("Moyenne de sessions par âge sur 2 ans", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
plt.title("CA par tranche d'âges", y=1.05, 
          fontdict={'size': 15, 'style':'italic', 'color': 'teal'})

sns.regplot(data=Ca_Freq_vieux1, x='Age', y='Moyenne des sessions', marker='p', color='teal', ax=ax1)
sns.regplot(data=Ca_Freq_jeune1, x='Age', y='Moyenne des sessions', marker='p', color='salmon', 
            ax=ax1)
sns.regplot(data=Ca_Freq_Tjeune1, x='Age', y='Moyenne des sessions', marker='p', color='seagreen', 
            ax=ax1)
gfg = sns.lineplot(data=Ca_age, x='Age', y='CA Tranche Ages (en millier)', color="white", linewidth=4,
                   ax=ax2, alpha=0.8, label="Chiffre d'affaires")
gfg.set_ylim(1500, 5600)
plt.legend(facecolor='grey', labelcolor="white", fontsize='medium')
ax1.grid()
ax2.grid()
plt.show()

# Calul du nombre de clients par âge
Nre_clients_age = transanalyse.groupby(['Age'])['client_id'].count().reset_index()
Nre_clients_age = Nre_clients_age.sort_values(by='Age', ascending=True)
Nre_clients_age = Nre_clients_age.rename(columns={'client_id':"Nbr de clients"})
# Ajout du Nbr de clients dans le DF principal
Ca_age = pd.merge(Ca_age, Nre_clients_age, on=['Age'], how ='right', indicator=True)
Ca_age = Ca_age.drop('_merge', axis=1)
#display(Ca_age.tail(3))
# Création du DF utile pour le graphique
Nre_clients_age = Ca_age.groupby(['Age-Range'])['Nbr de clients'].sum().reset_index()
Nre_clients_age['%'] = round(((Nre_clients_age['Nbr de clients'] * 100) / 
                              Nre_clients_age['Nbr de clients'].sum()),2)
#display(Nre_clients_age.tail(3))

# Diagrammes en secteurs
sns.set(rc={'axes.facecolor':'whitesmoke', 'figure.facecolor':'whitesmoke'})
plt.figure(figsize=(12,3)) 
colors = sns.color_palette('crest')
# Premier diagramme en secteurs
plt.subplot(1,2,1)
labels = ['[- de 31]', '[31-51]', '[51-95]']
plt.title("Répartition des clients par tranche d'âges", y=1.01, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'}) 
plt.pie(Nre_clients_age['%'], colors = colors, labels=labels,autopct = '%.2f%%',
       explode = [0.05,0.05,0.05], shadow = 'True',
       textprops = {'color': 'black','fontsize':10, 'weight': 'normal'},
       wedgeprops = {'linewidth': 2})
# Forcer le pie chart en cercle plutôt qu'en éllipse
plt.axis('equal') 
# Second diagramme en secteurs
plt.subplot(1,2,2)
colors = sns.color_palette('crest')
labels = ['[- de 31]', '[31-51]', '[51-95]']
plt.title("Répartition du CA par tranche d'âges", y=1.01, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'}) 
plt.pie(Ca_3age['price'], colors = colors, labels=labels,autopct = '%.2f%%',
       explode = [0.05,0.05,0.05], shadow = 'True',
       textprops = {'color': 'black','fontsize':10},
       wedgeprops = {'linewidth': 2})
# Forcer le pie chart en cercle plutôt qu'en éllipse
plt.axis('equal')
plt.show()

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Calul du nombre de clients par âge
Nre_clients_age = transanalyse.groupby(['Age'])['client_id'].count().reset_index()
Nre_clients_age = Nre_clients_age.sort_values(by='Age', ascending=True)
Nre_clients_age = Nre_clients_age.rename(columns={'client_id':"Nbr de clients"})
# Ajout du Nbr de clients dans le DF principal
Ca_age = pd.merge(Ca_age, Nre_clients_age, on=['Age'], how ='right', indicator=True)
Ca_age = Ca_age.drop('_merge', axis=1)
#display(Ca_age.tail(3))
# Création du DF utile pour le graphique
Nre_clients_age = Ca_age.groupby(['Age-Range'])['Nbr de clients'].sum().reset_index()
Nre_clients_age['%'] = round(((Nre_clients_age['Nbr de clients'] * 100) / 
                              Nre_clients_age['Nbr de clients'].sum()),2)
#display(Nre_clients_age.tail(3))

# Diagrammes en secteurs
sns.set(rc={'axes.facecolor':'whitesmoke', 'figure.facecolor':'whitesmoke'})
plt.figure(figsize=(12,3)) 
colors = sns.color_palette('crest')
# Premier diagramme en secteurs
plt.subplot(1,2,1)
labels = ['[- de 31]', '[31-51]', '[51-95]']
plt.title("Répartition des clients par tranche d'âges", y=1.01, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'}) 
plt.pie(Nre_clients_age['%'], colors = colors, labels=labels,autopct = '%.2f%%',
       explode = [0.05,0.05,0.05], shadow = 'True',
       textprops = {'color': 'black','fontsize':10, 'weight': 'normal'},
       wedgeprops = {'linewidth': 2})
# Forcer le pie chart en cercle plutôt qu'en éllipse
plt.axis('equal') 
# Second diagramme en secteurs
plt.subplot(1,2,2)
colors = sns.color_palette('crest')
labels = ['[- de 31]', '[31-51]', '[51-95]']
plt.title("Répartition du CA par tranche d'âges", y=1.01, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'}) 
plt.pie(Ca_3age['price'], colors = colors, labels=labels,autopct = '%.2f%%',
       explode = [0.05,0.05,0.05], shadow = 'True',
       textprops = {'color': 'black','fontsize':10},
       wedgeprops = {'linewidth': 2})
# Forcer le pie chart en cercle plutôt qu'en éllipse
plt.axis('equal')
plt.show()

# Création du Df en vu de l'analyse
Rep_client = transanalyse.groupby('client_id')['price'].sum().reset_index()
Rep_client = Rep_client.rename(columns={"price":"CA/client"})
Rep_client["CA/client"] = round((Rep_client["CA/client"]),2)
Rep_client = Rep_client.sort_values(by='CA/client', ascending=False)

# Centrer l'affichage du DataFrame
message = "Top 4 clients"
Text_message(message)
centered_df = Rep_client.head(4).round(2).astype(str).style.set_table_attributes('style="margin-left: auto; margin-right: auto;"')
display(centered_df)

# Création du Df sans le top 4en vu de l'analyse
Rep_client_hors4 = Rep_client.loc[Rep_client['CA/client'] <= 6000]

# Sélection du sous-échantillon
dep = Rep_client_hors4['CA/client'].values
n = len(dep)
# Trie des individus dans l'ordre croissant des valeurs de la variable avec np.sort(dep)
# Calcule de la somme cumulée avec np.cumsum()
# Normaliser et diviser par  dep.sum() pour que le haut de la courbe soit à 1
lorenz = np.cumsum(np.sort(dep)) / dep.sum()
# La courbe de Lorenz commence à 0
lorenz = np.append([0],lorenz) 

# Surface sous la courbe de Lorenz. Le premier segment (lorenz[0]) est à moitié en dessous de 0, 
# on le coupe donc en 2, on fait de même pour le dernier segment lorenz[-1] qui est à moitié 
# au dessus de 1.
AUC = (lorenz.sum() -lorenz[-1]/2 -lorenz[0]/2)/n 
# surface entre la première bissectrice et le courbe de Lorenz
S = 0.5 - AUC 
gini1 = 2*S
# Création du graphique
fig = plt.figure(figsize=(12, 3))
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey', 'grid.color':'grey'})
plt.subplot(1,2,1)
#sns.set(rc={'axes.facecolor':'whitesmoke', 'figure.facecolor':'lightgrey', 'grid.color':'grey'})
plt.title("Mesure de concentration des clients hors 4 tops clients", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
# Il y a un segment de taille n pour chaque individu, plus 1 segment supplémentaire d'ordonnée 0. 
# Le premier segment commence à 0-1/n, et le dernier termine à 1+1/n.
xaxis = np.linspace(0-1/n,1+1/n,len(lorenz)) 
plt.plot(xaxis,lorenz,drawstyle='steps-post',linewidth=3,color='teal', linestyle='dashed',
        marker='o', markersize=0.1)
# Tracer la bisséctrice
plt.plot([0,1], [0,1],color='firebrick',linewidth=2) 
#tracer la Médiale Gini
# Affichage de l'indice de Gini
plt.text(0.0, 0.6, f'Indice de Gini: {gini1:.3f}', fontsize=10, bbox=dict(facecolor='white', 
        edgecolor='gray', boxstyle='round'))
# Tracé de l'indice de Gini
plt.axvline(x=gini1, color='white', linestyle='--', label='Indice de Gini')
plt.xlabel("% cumulé Clients",color='teal')
plt.ylabel("% cumulé CA",color='teal')
legend = plt.legend(['Courbe de Lorenz','Bisectrice','Indice de Gini'], title = "Légende", facecolor='white',
                    fontsize = 8, title_fontsize = 10)


plt.subplot(1,2,2)
# Sélection du sous-échantillon
dep = Rep_client['CA/client'].values
n = len(dep)
# Trie des individus dans l'ordre croissant des valeurs de la variable avec np.sort(dep)
# Calcule de la somme cumulée avec np.cumsum()
# Normaliser et diviser par  dep.sum() pour que le haut de la courbe soit à 1
lorenz = np.cumsum(np.sort(dep)) / dep.sum()
# La courbe de Lorenz commence à 0
lorenz = np.append([0],lorenz) 

# Surface sous la courbe de Lorenz. Le premier segment (lorenz[0]) est à moitié en dessous de 0, 
# on le coupe donc en 2, on fait de même pour le dernier segment lorenz[-1] qui est à moitié 
# au dessus de 1.
AUC = (lorenz.sum() -lorenz[-1]/2 -lorenz[0]/2)/n 
# surface entre la première bissectrice et le courbe de Lorenz
S = 0.5 - AUC 
gini1 = 2*S
# Création du graphique

plt.title("Mesure de concentration des clients", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
# Il y a un segment de taille n pour chaque individu, plus 1 segment supplémentaire d'ordonnée 0. 
# Le premier segment commence à 0-1/n, et le dernier termine à 1+1/n.
xaxis = np.linspace(0-1/n,1+1/n,len(lorenz)) 
plt.plot(xaxis,lorenz,drawstyle='steps-post',linewidth=3,color='teal', linestyle='dashed',
        marker='o', markersize=0.1)
# Tracer la bisséctrice
plt.plot([0,1], [0,1],color='firebrick',linewidth=2) 
#tracer la Médiale Gini
# Affichage de l'indice de Gini
plt.text(0.0, 0.6, f'Indice de Gini: {gini1:.3f}', fontsize=10, bbox=dict(facecolor='white', 
        edgecolor='gray', boxstyle='round'))
# Tracé de l'indice de Gini
plt.axvline(x=gini1, color='white', linestyle='--', label='Indice de Gini')
plt.xlabel("% cumulé Clients",color='teal')
plt.ylabel("% cumulé CA",color='teal')
legend = plt.legend(['Courbe de Lorenz','Bisectrice','Indice de Gini'], title = "Légende", facecolor='white',
                    fontsize = 8, title_fontsize = 10)
plt.show()

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Création du Df en vu de l'analyse
Rep_client = transanalyse.groupby('client_id')['price'].sum().reset_index()
Rep_client = Rep_client.rename(columns={"price":"CA/client"})
Rep_client["CA/client"] = round((Rep_client["CA/client"]),2)
Rep_client = Rep_client.sort_values(by='CA/client', ascending=False)

# Centrer l'affichage du DataFrame
message = "Top 4 clients"
Text_message(message)
centered_df = Rep_client.head(4).round(2).astype(str).style.set_table_attributes('style="margin-left: auto; margin-right: auto;"')
display(centered_df)

# Création du Df sans le top 4en vu de l'analyse
Rep_client_hors4 = Rep_client.loc[Rep_client['CA/client'] <= 6000]

# Sélection du sous-échantillon
dep = Rep_client_hors4['CA/client'].values
n = len(dep)
# Trie des individus dans l'ordre croissant des valeurs de la variable avec np.sort(dep)
# Calcule de la somme cumulée avec np.cumsum()
# Normaliser et diviser par  dep.sum() pour que le haut de la courbe soit à 1
lorenz = np.cumsum(np.sort(dep)) / dep.sum()
# La courbe de Lorenz commence à 0
lorenz = np.append([0],lorenz) 

# Surface sous la courbe de Lorenz. Le premier segment (lorenz[0]) est à moitié en dessous de 0, 
# on le coupe donc en 2, on fait de même pour le dernier segment lorenz[-1] qui est à moitié 
# au dessus de 1.
AUC = (lorenz.sum() -lorenz[-1]/2 -lorenz[0]/2)/n 
# surface entre la première bissectrice et le courbe de Lorenz
S = 0.5 - AUC 
gini1 = 2*S
# Création du graphique
fig = plt.figure(figsize=(12, 3))
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey', 'grid.color':'grey'})
plt.subplot(1,2,1)
#sns.set(rc={'axes.facecolor':'whitesmoke', 'figure.facecolor':'lightgrey', 'grid.color':'grey'})
plt.title("Mesure de concentration des clients hors 4 tops clients", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
# Il y a un segment de taille n pour chaque individu, plus 1 segment supplémentaire d'ordonnée 0. 
# Le premier segment commence à 0-1/n, et le dernier termine à 1+1/n.
xaxis = np.linspace(0-1/n,1+1/n,len(lorenz)) 
plt.plot(xaxis,lorenz,drawstyle='steps-post',linewidth=3,color='teal', linestyle='dashed',
        marker='o', markersize=0.1)
# Tracer la bisséctrice
plt.plot([0,1], [0,1],color='firebrick',linewidth=2) 
#tracer la Médiale Gini
# Affichage de l'indice de Gini
plt.text(0.0, 0.6, f'Indice de Gini: {gini1:.3f}', fontsize=10, bbox=dict(facecolor='white', 
        edgecolor='gray', boxstyle='round'))
# Tracé de l'indice de Gini
plt.axvline(x=gini1, color='white', linestyle='--', label='Indice de Gini')
plt.xlabel("% cumulé Clients",color='teal')
plt.ylabel("% cumulé CA",color='teal')
legend = plt.legend(['Courbe de Lorenz','Bisectrice','Indice de Gini'], title = "Légende", facecolor='white',
                    fontsize = 8, title_fontsize = 10)


plt.subplot(1,2,2)
# Sélection du sous-échantillon
dep = Rep_client['CA/client'].values
n = len(dep)
# Trie des individus dans l'ordre croissant des valeurs de la variable avec np.sort(dep)
# Calcule de la somme cumulée avec np.cumsum()
# Normaliser et diviser par  dep.sum() pour que le haut de la courbe soit à 1
lorenz = np.cumsum(np.sort(dep)) / dep.sum()
# La courbe de Lorenz commence à 0
lorenz = np.append([0],lorenz) 

# Surface sous la courbe de Lorenz. Le premier segment (lorenz[0]) est à moitié en dessous de 0, 
# on le coupe donc en 2, on fait de même pour le dernier segment lorenz[-1] qui est à moitié 
# au dessus de 1.
AUC = (lorenz.sum() -lorenz[-1]/2 -lorenz[0]/2)/n 
# surface entre la première bissectrice et le courbe de Lorenz
S = 0.5 - AUC 
gini1 = 2*S
# Création du graphique

plt.title("Mesure de concentration des clients", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
# Il y a un segment de taille n pour chaque individu, plus 1 segment supplémentaire d'ordonnée 0. 
# Le premier segment commence à 0-1/n, et le dernier termine à 1+1/n.
xaxis = np.linspace(0-1/n,1+1/n,len(lorenz)) 
plt.plot(xaxis,lorenz,drawstyle='steps-post',linewidth=3,color='teal', linestyle='dashed',
        marker='o', markersize=0.1)
# Tracer la bisséctrice
plt.plot([0,1], [0,1],color='firebrick',linewidth=2) 
#tracer la Médiale Gini
# Affichage de l'indice de Gini
plt.text(0.0, 0.6, f'Indice de Gini: {gini1:.3f}', fontsize=10, bbox=dict(facecolor='white', 
        edgecolor='gray', boxstyle='round'))
# Tracé de l'indice de Gini
plt.axvline(x=gini1, color='white', linestyle='--', label='Indice de Gini')
plt.xlabel("% cumulé Clients",color='teal')
plt.ylabel("% cumulé CA",color='teal')
legend = plt.legend(['Courbe de Lorenz','Bisectrice','Indice de Gini'], title = "Légende", facecolor='white',
                    fontsize = 8, title_fontsize = 10)
plt.show()

# Création du DF pour la saisonnalité du Chiffre d'affaires
tableprix = Ca_categ_jour.groupby(['jour','month'])['CA/jour'].sum().reset_index()
tableprix["Day"] = tableprix["jour"].dt.strftime('%d %B')
tableprix["nom-jour"] = tableprix["jour"].dt.strftime('%A')

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Création du DF pour la saisonnalité du Chiffre d'affaires
tableprix = Ca_categ_jour.groupby(['jour','month'])['CA/jour'].sum().reset_index()
tableprix["Day"] = tableprix["jour"].dt.strftime('%d %B')
tableprix["nom-jour"] = tableprix["jour"].dt.strftime('%A')

#################################### Choix du laps de temps pour l'analyse (N-1) ##########################################
Date_depart = "2021-03-01" # la date ne doit pas être inférieure à 2021-03-01
Date_fin = "2022-02-28" # la date ne doit pas dépasser le 2022-02-28
Interval_date = 15
###########################################################################################################################
dated0 = np.datetime64(Date_depart)
datef0 = np.datetime64(Date_fin)
dated1 = str(dated0 + np.timedelta64(365, 'D'))
datef1 = str(datef0 + np.timedelta64(365, 'D'))

# Préparation des Dataframe
tableprix0 = tableprix.loc[(tableprix['jour'] >= dated0) & (tableprix['jour'] <= datef0)]
tableprix1 = tableprix.loc[(tableprix['jour'] >= dated1) & (tableprix['jour'] <= datef1)]

# Création du graphique avec Seaborn
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.figure(figsize=(12,4)) 
plt.title("Saisonnalité du Chiffre d'affaires", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.lineplot(x='Day', y='CA/jour', data=tableprix0, color='teal', label='période N-1')
sns.lineplot(x='Day', y='CA/jour', data=tableprix1, color='salmon', label='période N')
# Configuration de l'intervalle entre les étiquettes de l'axe x
plt.gca().xaxis.set_major_locator(mdates.DayLocator(interval=Interval_date))
plt.legend(loc='upper left', shadow=True, fontsize='small', facecolor='whitesmoke')
plt.grid(color='darkgrey')
# Inclinaison des étiquettes de l'axe x pour une meilleure lisibilité
plt.xticks(rotation=45)
# Afficher le graphique
plt.show()

########################## Préparation des éléments pour les analyses de saisonnalité ################################
# Configuration régionale pour le français
locale.setlocale(locale.LC_TIME, 'fr_FR.UTF-8')
Saison_semaine = transanalyse.copy()
Saison_semaine["Jour semaine"] = Saison_semaine["date"].dt.strftime('%A')
Saison_semaine["Mois"] = Saison_semaine["date"].dt.strftime('%B')
Mois_accent = {'aoÃ»t': 'août', 'dÃ©cembre': 'décembre', 'fÃ©vrier': 'février'}
Saison_semaine['Mois'] = Saison_semaine['Mois'].replace(Mois_accent)
Saison_semaine["No semaine"] = Saison_semaine["date"].dt.strftime('%U')
Saison_semaine.loc[Saison_semaine['No semaine'] == '00', 'No semaine'] = '01'

Saison_semaineCA = Ca_categ_jour.copy()
Saison_semaineCA["Jour semaine"] = Saison_semaineCA["jour"].dt.strftime('%A')
Saison_semaineCA["Mois"] = Saison_semaineCA["jour"].dt.strftime('%B')
Saison_semaineCA["No semaine"] = Saison_semaineCA["jour"].dt.strftime('%U')
jours_mapping = {'aoÃ»t': 'août', 'dÃ©cembre': 'décembre', 'fÃ©vrier': 'février'}
Saison_semaineCA['Mois'] = Saison_semaineCA['Mois'].replace(jours_mapping)
Saison_semaineCA.loc[Saison_semaineCA['No semaine'] == '00', 'No semaine'] = '01'

############################################## SESSIONS ############################################
############################################### Table Nbr sessions Jours de la semaine
Saison_Jours = Saison_semaine.groupby(['Jour semaine'])['session_id'].count().reset_index()
# Définition de l'ordre des jours de la semaine
ordre_jours = ['lundi', 'mardi', 'mercredi', 'jeudi', 'vendredi', 'samedi', 'dimanche']
# Triage des jours de la semaine selon l'ordre spécifié
Saison_Jours['Jour semaine'] = pd.Categorical(Saison_Jours['Jour semaine'], categories=ordre_jours, ordered=True)
############################################### Table Nbr sessions Mois de l'année
Saison_Mois = Saison_semaine.groupby(['Mois'])['session_id'].count().reset_index()
ordre_mois = ['janvier', 'février', 'mars', 'avril', 'mai', 'juin', 'juillet', 'août', 'septembre', 'octobre', 'novembre',
             'décembre']
jours_mapping = {'aoÃ»t': 'août', 'dÃ©cembre': 'décembre', 'fÃ©vrier': 'février'}
Saison_Mois['Mois'] = Saison_Mois['Mois'].replace(jours_mapping)
Saison_Mois['Mois'] = pd.Categorical(Saison_Mois['Mois'], categories=ordre_mois, ordered=True)
# Ajout des sessions manquantes de la catégorie 1.0 sur octobre 2021 - Basé sur la différence avec octobre 2022
Cat1_octobre2022 = Saison_semaine.loc[(Saison_semaine['month'] == '2022-10') 
                                      & (Saison_semaine['categ'] == '1.0')].shape[0]
Cat1_octobre2021 = Saison_semaine.loc[(Saison_semaine['month'] == '2021-10') 
                                      & (Saison_semaine['categ'] == '1.0')].shape[0]
Manque_sessions_octobre2021 = Cat1_octobre2022 - Cat1_octobre2021
Saison_Mois.loc[10, 'session_id'] += Manque_sessions_octobre2021
################################################ Table Nbr sessions No de semaine
Saison_Semaines = Saison_semaine.groupby(['No semaine','year'])['session_id'].count().reset_index()
Saison_Semaines = Saison_Semaines.sort_values(by='No semaine', ascending=True).reset_index()
df = ['40', '41', '42', '43']
index = [79, 81 , 83, 85]
for valeur, i in zip(df,index):
    r= Saison_Semaines.loc[((Saison_Semaines['No semaine'] == valeur) & 
                                     (Saison_Semaines['year'] == 2021)),'session_id'].iloc[0]
    s= Saison_Semaines.loc[((Saison_Semaines['No semaine'] == valeur) & 
                                     (Saison_Semaines['year'] == 2022)),'session_id'].iloc[0]
    delta = s-r
    Saison_Semaines.loc[i, 'session_id'] += delta
Saison_Semaines = Saison_Semaines.groupby(['No semaine'])['session_id'].sum().reset_index()

############################################## CHIFFRE D'AFFAIRES ###################################
############################################### Table CA Jours de la semaine
Saison_JoursCA = Saison_semaineCA.groupby(['Jour semaine'])['CA/jour'].sum().reset_index()
# Définition de l'ordre des jours de la semaine
ordre_jours = ['lundi', 'mardi', 'mercredi', 'jeudi', 'vendredi', 'samedi', 'dimanche']
# Triage des jours de la semaine selon l'ordre spécifié
Saison_JoursCA['Jour semaine'] = pd.Categorical(Saison_JoursCA['Jour semaine'], 
                                                categories=ordre_jours, ordered=True)
############################################### Table CA Mois de l'année
Saison_MoisCA = Saison_semaineCA.groupby(['Mois'])['CA/jour'].sum().reset_index()
ordre_mois = ['janvier', 'février', 'mars', 'avril', 'mai', 'juin', 'juillet', 'août', 
              'septembre', 'octobre', 'novembre', 'décembre']
jours_mapping = {'aoÃ»t': 'août', 'dÃ©cembre': 'décembre', 'fÃ©vrier': 'février'}
Saison_MoisCA['Mois'] = Saison_MoisCA['Mois'].replace(jours_mapping)
Saison_MoisCA['Mois'] = pd.Categorical(Saison_MoisCA['Mois'], categories=ordre_mois, ordered=True)
################################################ Table CA No de semaine
Saison_SemainesCA = Saison_semaineCA.groupby(['No semaine'])['CA/jour'].sum().reset_index()
Saison_SemainesCA = Saison_SemainesCA.sort_values(by='No semaine', ascending=True)

#####################################  Graphiques JOUR de la semaine ###########################
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'}) 
fig = plt.figure(figsize=(12, 3))
plt.subplot(1,2,1)
# Graphique Sessions Jours de la semaine
plt.title("Saisonnalité des sessions - Jour de la semaine\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='Jour semaine', y='session_id', data=Saison_Jours, palette='crest')
plt.xticks(rotation=45, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Nombre de sessions")
plt.xlabel('')
plt.ylim(95000, 98500)
# Graphique CA Jours de la semaine
plt.subplot(1,2,2)
plt.title("Saisonnalité du CA - Jour de la semaine\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='Jour semaine', y='CA/jour', data=Saison_JoursCA, palette='flare')
plt.xticks(rotation=45, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Chiffre d'affaires")
plt.xlabel('')
plt.ylim(1700000, 1745000)
plt.show()

#####################################  Graphiques MOIS ###########################
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'}) 
fig = plt.figure(figsize=(12, 3))
# Graphique Sessions Mois de l'année
plt.subplot(1,2,1)
plt.title("Saisonnalité des sessions - Mois\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='Mois', y='session_id', data=Saison_Mois, palette='crest')
# Inclinaison des étiquettes et taille de police
plt.xticks(rotation=45, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Nombre de sessions")
plt.xlabel('')
plt.ylim(48000, 62500)
# Graphique CA Mois de l'année
plt.subplot(1,2,2)
plt.title("Saisonnalité du CA - Mois\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='Mois', y='CA/jour', data=Saison_MoisCA, palette='flare')
# Inclinaison des étiquettes et taille de police
plt.xticks(rotation=45, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Chiffre d'affaires")
plt.xlabel('')
plt.ylim(960000, 1050000)
plt.show()

#####################################  Graphiques de Saisonnalité SEMAINE ###########################
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.figure(figsize=(12,3))
plt.title("Saisonnalité des sessions - Semaines\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='No semaine', y='session_id', data=Saison_Semaines, palette='crest')
plt.ylim(10500, 16000)
plt.xticks(rotation=70, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.show()

#####################################  Graphiques de Chiffre d'affaires SEMAINE #####################
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.figure(figsize=(12,3))
plt.title("Saisonnalité du CA - Semaines\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='No semaine', y='CA/jour', data=Saison_SemainesCA, palette='flare')
plt.ylim(210000, 280000)
plt.xticks(rotation=70, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.show()

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

########################## Préparation des éléments pour les analyses de saisonnalité ################################
# Configuration régionale pour le français
locale.setlocale(locale.LC_TIME, 'fr_FR.UTF-8')
Saison_semaine = transanalyse.copy()
Saison_semaine["Jour semaine"] = Saison_semaine["date"].dt.strftime('%A')
Saison_semaine["Mois"] = Saison_semaine["date"].dt.strftime('%B')
Mois_accent = {'aoÃ»t': 'août', 'dÃ©cembre': 'décembre', 'fÃ©vrier': 'février'}
Saison_semaine['Mois'] = Saison_semaine['Mois'].replace(Mois_accent)
Saison_semaine["No semaine"] = Saison_semaine["date"].dt.strftime('%U')
Saison_semaine.loc[Saison_semaine['No semaine'] == '00', 'No semaine'] = '01'

Saison_semaineCA = Ca_categ_jour.copy()
Saison_semaineCA["Jour semaine"] = Saison_semaineCA["jour"].dt.strftime('%A')
Saison_semaineCA["Mois"] = Saison_semaineCA["jour"].dt.strftime('%B')
Saison_semaineCA["No semaine"] = Saison_semaineCA["jour"].dt.strftime('%U')
jours_mapping = {'aoÃ»t': 'août', 'dÃ©cembre': 'décembre', 'fÃ©vrier': 'février'}
Saison_semaineCA['Mois'] = Saison_semaineCA['Mois'].replace(jours_mapping)
Saison_semaineCA.loc[Saison_semaineCA['No semaine'] == '00', 'No semaine'] = '01'

############################################## SESSIONS ############################################
############################################### Table Nbr sessions Jours de la semaine
Saison_Jours = Saison_semaine.groupby(['Jour semaine'])['session_id'].count().reset_index()
# Définition de l'ordre des jours de la semaine
ordre_jours = ['lundi', 'mardi', 'mercredi', 'jeudi', 'vendredi', 'samedi', 'dimanche']
# Triage des jours de la semaine selon l'ordre spécifié
Saison_Jours['Jour semaine'] = pd.Categorical(Saison_Jours['Jour semaine'], categories=ordre_jours, ordered=True)
############################################### Table Nbr sessions Mois de l'année
Saison_Mois = Saison_semaine.groupby(['Mois'])['session_id'].count().reset_index()
ordre_mois = ['janvier', 'février', 'mars', 'avril', 'mai', 'juin', 'juillet', 'août', 'septembre', 'octobre', 'novembre',
             'décembre']
jours_mapping = {'aoÃ»t': 'août', 'dÃ©cembre': 'décembre', 'fÃ©vrier': 'février'}
Saison_Mois['Mois'] = Saison_Mois['Mois'].replace(jours_mapping)
Saison_Mois['Mois'] = pd.Categorical(Saison_Mois['Mois'], categories=ordre_mois, ordered=True)
# Ajout des sessions manquantes de la catégorie 1.0 sur octobre 2021 - Basé sur la différence avec octobre 2022
Cat1_octobre2022 = Saison_semaine.loc[(Saison_semaine['month'] == '2022-10') 
                                      & (Saison_semaine['categ'] == '1.0')].shape[0]
Cat1_octobre2021 = Saison_semaine.loc[(Saison_semaine['month'] == '2021-10') 
                                      & (Saison_semaine['categ'] == '1.0')].shape[0]
Manque_sessions_octobre2021 = Cat1_octobre2022 - Cat1_octobre2021
Saison_Mois.loc[10, 'session_id'] += Manque_sessions_octobre2021
################################################ Table Nbr sessions No de semaine
Saison_Semaines = Saison_semaine.groupby(['No semaine','year'])['session_id'].count().reset_index()
Saison_Semaines = Saison_Semaines.sort_values(by='No semaine', ascending=True).reset_index()
df = ['40', '41', '42', '43']
index = [79, 81 , 83, 85]
for valeur, i in zip(df,index):
    r= Saison_Semaines.loc[((Saison_Semaines['No semaine'] == valeur) & 
                                     (Saison_Semaines['year'] == 2021)),'session_id'].iloc[0]
    s= Saison_Semaines.loc[((Saison_Semaines['No semaine'] == valeur) & 
                                     (Saison_Semaines['year'] == 2022)),'session_id'].iloc[0]
    delta = s-r
    Saison_Semaines.loc[i, 'session_id'] += delta
Saison_Semaines = Saison_Semaines.groupby(['No semaine'])['session_id'].sum().reset_index()

############################################## CHIFFRE D'AFFAIRES ###################################
############################################### Table CA Jours de la semaine
Saison_JoursCA = Saison_semaineCA.groupby(['Jour semaine'])['CA/jour'].sum().reset_index()
# Définition de l'ordre des jours de la semaine
ordre_jours = ['lundi', 'mardi', 'mercredi', 'jeudi', 'vendredi', 'samedi', 'dimanche']
# Triage des jours de la semaine selon l'ordre spécifié
Saison_JoursCA['Jour semaine'] = pd.Categorical(Saison_JoursCA['Jour semaine'], 
                                                categories=ordre_jours, ordered=True)
############################################### Table CA Mois de l'année
Saison_MoisCA = Saison_semaineCA.groupby(['Mois'])['CA/jour'].sum().reset_index()
ordre_mois = ['janvier', 'février', 'mars', 'avril', 'mai', 'juin', 'juillet', 'août', 
              'septembre', 'octobre', 'novembre', 'décembre']
jours_mapping = {'aoÃ»t': 'août', 'dÃ©cembre': 'décembre', 'fÃ©vrier': 'février'}
Saison_MoisCA['Mois'] = Saison_MoisCA['Mois'].replace(jours_mapping)
Saison_MoisCA['Mois'] = pd.Categorical(Saison_MoisCA['Mois'], categories=ordre_mois, ordered=True)
################################################ Table CA No de semaine
Saison_SemainesCA = Saison_semaineCA.groupby(['No semaine'])['CA/jour'].sum().reset_index()
Saison_SemainesCA = Saison_SemainesCA.sort_values(by='No semaine', ascending=True)

#####################################  Graphiques JOUR de la semaine ###########################
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'}) 
fig = plt.figure(figsize=(12, 3))
plt.subplot(1,2,1)
# Graphique Sessions Jours de la semaine
plt.title("Saisonnalité des sessions - Jour de la semaine\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='Jour semaine', y='session_id', data=Saison_Jours, palette='crest')
plt.xticks(rotation=45, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Nombre de sessions")
plt.xlabel('')
plt.ylim(95000, 98500)
# Graphique CA Jours de la semaine
plt.subplot(1,2,2)
plt.title("Saisonnalité du CA - Jour de la semaine\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='Jour semaine', y='CA/jour', data=Saison_JoursCA, palette='flare')
plt.xticks(rotation=45, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Chiffre d'affaires")
plt.xlabel('')
plt.ylim(1700000, 1745000)
plt.show()

#####################################  Graphiques MOIS ###########################
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'}) 
fig = plt.figure(figsize=(12, 3))
# Graphique Sessions Mois de l'année
plt.subplot(1,2,1)
plt.title("Saisonnalité des sessions - Mois\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='Mois', y='session_id', data=Saison_Mois, palette='crest')
# Inclinaison des étiquettes et taille de police
plt.xticks(rotation=45, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Nombre de sessions")
plt.xlabel('')
plt.ylim(48000, 62500)
# Graphique CA Mois de l'année
plt.subplot(1,2,2)
plt.title("Saisonnalité du CA - Mois\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='Mois', y='CA/jour', data=Saison_MoisCA, palette='flare')
# Inclinaison des étiquettes et taille de police
plt.xticks(rotation=45, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.ylabel("Chiffre d'affaires")
plt.xlabel('')
plt.ylim(960000, 1050000)
plt.show()

#####################################  Graphiques de Saisonnalité SEMAINE ###########################
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.figure(figsize=(12,3))
plt.title("Saisonnalité des sessions - Semaines\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='No semaine', y='session_id', data=Saison_Semaines, palette='crest')
plt.ylim(10500, 16000)
plt.xticks(rotation=70, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.show()

#####################################  Graphiques de Chiffre d'affaires SEMAINE #####################
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
plt.figure(figsize=(12,3))
plt.title("Saisonnalité du CA - Semaines\nCumul N-1/N", y=1.05, 
               fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.barplot(x='No semaine', y='CA/jour', data=Saison_SemainesCA, palette='flare')
plt.ylim(210000, 280000)
plt.xticks(rotation=70, fontsize=10)
plt.yticks(rotation=0, fontsize=10)
plt.show()

# Création du Dataframe utile à l'analyse
Y = "sex"
X = "categ"
Genre_cat = transanalyse[[X,Y]].pivot_table(index=X,columns=Y,aggfunc=len)
CAt_genre = transanalyse.groupby([X,Y])['price'].count().reset_index()
CAt_genre = CAt_genre.rename(columns={"price":"Nombre", "categ":"Catégorie","sex":"Genre"})

# Hypothèses du test
message = "Hypothèses du test"
Text_message(message)
message = "H0 (hypothèse nulle) : Il n'y a pas d'association entre les variables 'sex' et 'categ', elles sont indépendantes."
Text_message(message)
message = "H1 (hypothèse alternative) : Il y a une association entre les variables 'sex' et 'categ', elles ne sont pas indépendantes"
Text_message(message)
# Test CHI2
chi = chi2(Genre_cat)
message = "Résultat du Test Chi2 :"
Text_message(message)
message = "Statistique : {:.5f}".format(chi.statistic)
Text_message(message)
message = "pvalue     : {}".format(chi.pvalue)
Text_message(message)
print('Expected freq : ', chi.expected_freq)
print('------------')
alpha = 0.05  # Niveau de signification
if chi.pvalue < alpha:
    message = "Il y a une corrélation entre le genre et la catégorie de livres (hypothèse nulle rejetée)"
    Text_message(message)
else:
    message = "Il n'y a pas de corrélation entre le genre et la catégorie de livres (hypothèse nulle non rejetée)"
    Text_message(message)

    # Création du barplot en fonction de la catégorie et du genre    
# Création de la figure
fig, axes = plt.subplots(1, 2, figsize=(10, 4))
#plt.subplot(1,2,1)
sns.set_theme(style="whitegrid")
sns.barplot(data=CAt_genre, x="Catégorie", y="Nombre", hue="Genre", palette="crest", 
            alpha=.8, ax=axes[0])

# Affichage des données observées sous forme de heatmap
sns.heatmap(Genre_cat, annot=True, cmap='crest', fmt='d', ax=axes[1])

# Titres des axes
axes[0].set_xlabel('Catégories')
axes[0].set_ylabel('Nbr de sessions')
axes[1].set_xlabel('Genres')
axes[1].set_ylabel('')
# Titre du graphe
axes[0].set_title("Répartition par catégorie et par genre", y=1.01, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
axes[1].set_title("Chi-Square Test", y=1.01, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
# Affichage du graphe
plt.tight_layout()
plt.show()

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Création du Dataframe utile à l'analyse
Y = "sex"
X = "categ"
Genre_cat = transanalyse[[X,Y]].pivot_table(index=X,columns=Y,aggfunc=len)
CAt_genre = transanalyse.groupby([X,Y])['price'].count().reset_index()
CAt_genre = CAt_genre.rename(columns={"price":"Nombre", "categ":"Catégorie","sex":"Genre"})

# Hypothèses du test
message = "Hypothèses du test"
Text_message(message)
message = "H0 (hypothèse nulle) : Il n'y a pas d'association entre les variables 'sex' et 'categ', elles sont indépendantes."
Text_message(message)
message = "H1 (hypothèse alternative) : Il y a une association entre les variables 'sex' et 'categ', elles ne sont pas indépendantes"
Text_message(message)
# Test CHI2
chi = chi2(Genre_cat)
message = "Résultat du Test Chi2 :"
Text_message(message)
message = "Statistique : {:.5f}".format(chi.statistic)
Text_message(message)
message = "pvalue     : {}".format(chi.pvalue)
Text_message(message)
print('Expected freq : ', chi.expected_freq)
print('------------')
alpha = 0.05  # Niveau de signification
if chi.pvalue < alpha:
    message = "Il y a une corrélation entre le genre et la catégorie de livres (hypothèse nulle rejetée)"
    Text_message(message)
else:
    message = "Il n'y a pas de corrélation entre le genre et la catégorie de livres (hypothèse nulle non rejetée)"
    Text_message(message)

    # Création du barplot en fonction de la catégorie et du genre    
# Création de la figure
fig, axes = plt.subplots(1, 2, figsize=(10, 4))
#plt.subplot(1,2,1)
sns.set_theme(style="whitegrid")
sns.barplot(data=CAt_genre, x="Catégorie", y="Nombre", hue="Genre", palette="crest", 
            alpha=.8, ax=axes[0])

# Affichage des données observées sous forme de heatmap
sns.heatmap(Genre_cat, annot=True, cmap='crest', fmt='d', ax=axes[1])

# Titres des axes
axes[0].set_xlabel('Catégories')
axes[0].set_ylabel('Nbr de sessions')
axes[1].set_xlabel('Genres')
axes[1].set_ylabel('')
# Titre du graphe
axes[0].set_title("Répartition par catégorie et par genre", y=1.01, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
axes[1].set_title("Chi-Square Test", y=1.01, 
          fontdict={'size': 14, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
# Affichage du graphe
plt.tight_layout()
plt.show()

Expected freq :  [[206838.59230662 208392.40769338]
 [113020.98120574 113870.01879426]
 [ 18123.42648765  18259.57351235]]
------------

# Création du Dataframe utile à l'analyse
Corr_age_somme = transanalyse.groupby('Age')['price'].sum().reset_index()
# Vérification de distribution normale
# Échantillon de données
x = Corr_age_somme['Age']
y = Corr_age_somme['price']

################################ Test de Shapiro-Wilk ########################
message = 'Test de Shapiro-Wilk'
Text_message(message)
statistic, p_value = st.shapiro(x)
statistic1, p_value1 = st.shapiro(y)
message = "Statistique de test : {:.5f}  et P_value : {}".format(statistic,p_value)
Text_message(message)
# Interprétation des résultats
if p_value > 0.05:
    message = "L'échantillon 'Age' suit une distribution normale."
else:
    message = "L'échantillon 'Age' ne suit pas une distribution normale."
Text_message(message)
message = "Statistique de test : {:.5f}  et P_value : {}".format(statistic1,p_value1)
Text_message(message)
if p_value1 > 0.05:
    message = "L'échantillon 'price' suit une distribution normale."
else:
    message = "L'échantillon 'price' ne suit pas une distribution normale."
Text_message(message) 

# Calculer la corrélation de rang de Spearman
# Création du Dataframe utile à l'analyse
Y = "sex"
X = "categ"
Genre_cat = transanalyse[[X,Y]].pivot_table(index=X,columns=Y,aggfunc=len)
CAt_genre = transanalyse.groupby([X,Y])['price'].count().reset_index()
CAt_genre = CAt_genre.rename(columns={"price":"Nombre", "categ":"Catégorie","sex":"Genre"})

# Hypothèses du test
message = "#######################################################"
Text_message(message)
message = "Hypothèses du test de Spearman"
Text_message(message)
message = "H0 (hypothèse nulle) : Il n'y a pas de corrélation monotone entre les variables 'Age' et 'price'."
Text_message(message)
message = "H1 (hypothèse alternative) : Il y a une corrélation monotone entre les variables 'Age' et 'price'."
Text_message(message)

correlation, p_value = spearmanr(x, y)
alpha = 0.05  # Niveau de signification
message = "**************SUR L'ENSEMBLE DES DONNEES******************"
Text_message(message)

if p_value < alpha:
    message = "Il y a une corrélation négative significative entre l'âge et le montant des achats, on rejette H0"
    Text_message(message)
    message = "Corrélation de rang de Spearman :  {:.5f}".format(correlation)
    Text_message(message)
    message = "p_value Spearman :  {}".format(p_value)
    Text_message(message)
else:
    message = "Il n'y a pas de corrélation significative entre l'âge et le montant des achats"
    Text_message(message)
    message = "Corrélation de rang de Spearman :  {:.5f}".format(correlation)
    Text_message(message)
    message = "p_value Spearman :  {}".format(p_value)
    Text_message(message)
    
Corr_age_somme50 = Corr_age_somme.loc[Corr_age_somme['Age'] >50]
Corr_age_somme20 = Corr_age_somme.loc[Corr_age_somme['Age'] <=50]
######################### test de Spearman sur les moins de 50 ans ################
x1 = Corr_age_somme20['Age']
y1 = Corr_age_somme20['price']
# Calculer la corrélation de rang de Spearman
correlation, p_value = spearmanr(x1, y1)
alpha = 0.05  # Niveau de signification
print(" ")
message = "**************SUR LES MOINS DE 50 ANS**************"
Text_message(message)
if p_value < alpha:
    message = "Il y a une corrélation faible et incertaine entre l'âge et le montant des achats, on rejette H0"
    Text_message(message)
    message = "Corrélation de rang de Spearman :  {:.5f}".format(correlation)
    Text_message(message)
    message = "p_value Spearman :  {:.5f}  / NB: il n'y a plus de corrélation au niveau de signification 1%".format(p_value)
    Text_message(message)
else:
    message = "Il n'y a pas de corrélation significative entre l'âge et le montant des achats"
    Text_message(message)
    message = "Corrélation de rang de Spearman :  {:.5f}".format(correlation)
    Text_message(message)
    message = "p_value Spearman :  {:.5f}".format(p_value)
    Text_message(message)
    
######################### test de Spearman sur les plus de 50 ans ################
x2 = Corr_age_somme50['Age']
y2 = Corr_age_somme50['price']
# Calculer la corrélation de rang de Spearman
correlation, p_value = spearmanr(x2, y2)
alpha = 0.05  # Niveau de signification
print(" ")
message = "**************SUR LES PLUS DE 50 ANS**************"
Text_message(message)
if p_value < alpha:
    message = "Il y a une corrélation négative forte et significative entre l'âge et le montant des achats, on rejette H0"
    Text_message(message)
    message = "Corrélation de rang de Spearman :  {:.5f}".format(correlation)
    Text_message(message)
    message = "p_value Spearman :  {}".format(p_value)
    Text_message(message)
else:
    print("Il n'y a pas de corrélation significative entre l'âge et le montant des achats") 

# Création des DF utiles pour visualisation
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.subplot(1,2,1)
plt.title("Corrélation suivant l'âge", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.regplot(data=Corr_age_somme50, x='Age', y='price', marker='p', color='teal')
sns.regplot(data=Corr_age_somme20, x='Age', y='price', marker='p', color='salmon')
plt.ylabel("Montant des achats")
plt.grid(color='darkgrey')    
# Calcul de la régression linéaire
coefficients = np.polyfit(x, y, 1)
slope = coefficients[0]
intercept = coefficients[1]
regression_line = slope * x + intercept
# Création du diagramme de dispersion et de la régression linéaire
plt.subplot(1,2,2)
plt.title("Corrélation sur l'ensemble des clients", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
plt.scatter(x, y, c='b', label='Montant Achats')
plt.plot(x, regression_line, c='r', label='Régression linéaire')
plt.grid(color='darkgrey')  
plt.xlabel("Age")
plt.legend(facecolor ='whitesmoke')
plt.show()

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Création du Dataframe utile à l'analyse
Corr_age_somme = transanalyse.groupby('Age')['price'].sum().reset_index()
# Vérification de distribution normale
# Échantillon de données
x = Corr_age_somme['Age']
y = Corr_age_somme['price']

################################ Test de Shapiro-Wilk ########################
message = 'Test de Shapiro-Wilk'
Text_message(message)
statistic, p_value = st.shapiro(x)
statistic1, p_value1 = st.shapiro(y)
message = "Statistique de test : {:.5f}  et P_value : {}".format(statistic,p_value)
Text_message(message)
# Interprétation des résultats
if p_value > 0.05:
    message = "L'échantillon 'Age' suit une distribution normale."
else:
    message = "L'échantillon 'Age' ne suit pas une distribution normale."
Text_message(message)
message = "Statistique de test : {:.5f}  et P_value : {}".format(statistic1,p_value1)
Text_message(message)
if p_value1 > 0.05:
    message = "L'échantillon 'price' suit une distribution normale."
else:
    message = "L'échantillon 'price' ne suit pas une distribution normale."
Text_message(message) 

# Calculer la corrélation de rang de Spearman
# Création du Dataframe utile à l'analyse
Y = "sex"
X = "categ"
Genre_cat = transanalyse[[X,Y]].pivot_table(index=X,columns=Y,aggfunc=len)
CAt_genre = transanalyse.groupby([X,Y])['price'].count().reset_index()
CAt_genre = CAt_genre.rename(columns={"price":"Nombre", "categ":"Catégorie","sex":"Genre"})

# Hypothèses du test
message = "#######################################################"
Text_message(message)
message = "Hypothèses du test de Spearman"
Text_message(message)
message = "H0 (hypothèse nulle) : Il n'y a pas de corrélation monotone entre les variables 'Age' et 'price'."
Text_message(message)
message = "H1 (hypothèse alternative) : Il y a une corrélation monotone entre les variables 'Age' et 'price'."
Text_message(message)

correlation, p_value = spearmanr(x, y)
alpha = 0.05  # Niveau de signification
message = "**************SUR L'ENSEMBLE DES DONNEES******************"
Text_message(message)

if p_value < alpha:
    message = "Il y a une corrélation négative significative entre l'âge et le montant des achats, on rejette H0"
    Text_message(message)
    message = "Corrélation de rang de Spearman :  {:.5f}".format(correlation)
    Text_message(message)
    message = "p_value Spearman :  {}".format(p_value)
    Text_message(message)
else:
    message = "Il n'y a pas de corrélation significative entre l'âge et le montant des achats"
    Text_message(message)
    message = "Corrélation de rang de Spearman :  {:.5f}".format(correlation)
    Text_message(message)
    message = "p_value Spearman :  {}".format(p_value)
    Text_message(message)
    
Corr_age_somme50 = Corr_age_somme.loc[Corr_age_somme['Age'] >50]
Corr_age_somme20 = Corr_age_somme.loc[Corr_age_somme['Age'] <=50]
######################### test de Spearman sur les moins de 50 ans ################
x1 = Corr_age_somme20['Age']
y1 = Corr_age_somme20['price']
# Calculer la corrélation de rang de Spearman
correlation, p_value = spearmanr(x1, y1)
alpha = 0.05  # Niveau de signification
print(" ")
message = "**************SUR LES MOINS DE 50 ANS**************"
Text_message(message)
if p_value < alpha:
    message = "Il y a une corrélation faible et incertaine entre l'âge et le montant des achats, on rejette H0"
    Text_message(message)
    message = "Corrélation de rang de Spearman :  {:.5f}".format(correlation)
    Text_message(message)
    message = "p_value Spearman :  {:.5f}  / NB: il n'y a plus de corrélation au niveau de signification 1%".format(p_value)
    Text_message(message)
else:
    message = "Il n'y a pas de corrélation significative entre l'âge et le montant des achats"
    Text_message(message)
    message = "Corrélation de rang de Spearman :  {:.5f}".format(correlation)
    Text_message(message)
    message = "p_value Spearman :  {:.5f}".format(p_value)
    Text_message(message)
    
######################### test de Spearman sur les plus de 50 ans ################
x2 = Corr_age_somme50['Age']
y2 = Corr_age_somme50['price']
# Calculer la corrélation de rang de Spearman
correlation, p_value = spearmanr(x2, y2)
alpha = 0.05  # Niveau de signification
print(" ")
message = "**************SUR LES PLUS DE 50 ANS**************"
Text_message(message)
if p_value < alpha:
    message = "Il y a une corrélation négative forte et significative entre l'âge et le montant des achats, on rejette H0"
    Text_message(message)
    message = "Corrélation de rang de Spearman :  {:.5f}".format(correlation)
    Text_message(message)
    message = "p_value Spearman :  {}".format(p_value)
    Text_message(message)
else:
    print("Il n'y a pas de corrélation significative entre l'âge et le montant des achats") 

# Création des DF utiles pour visualisation
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.subplot(1,2,1)
plt.title("Corrélation suivant l'âge", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.regplot(data=Corr_age_somme50, x='Age', y='price', marker='p', color='teal')
sns.regplot(data=Corr_age_somme20, x='Age', y='price', marker='p', color='salmon')
plt.ylabel("Montant des achats")
plt.grid(color='darkgrey')    
# Calcul de la régression linéaire
coefficients = np.polyfit(x, y, 1)
slope = coefficients[0]
intercept = coefficients[1]
regression_line = slope * x + intercept
# Création du diagramme de dispersion et de la régression linéaire
plt.subplot(1,2,2)
plt.title("Corrélation sur l'ensemble des clients", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
plt.scatter(x, y, c='b', label='Montant Achats')
plt.plot(x, regression_line, c='r', label='Régression linéaire')
plt.grid(color='darkgrey')  
plt.xlabel("Age")
plt.legend(facecolor ='whitesmoke')
plt.show()

############################### TEST ANOVA ########################
# Création du df pour effectuer le test
transanalyse1 = transanalyse[['price','Age-Range']]
transanalyse1 = transanalyse1.pivot_table(index='price', 
                                          columns="Age-Range",aggfunc=len)
# Remplacer les nan par des 0
transanalyse1 = transanalyse1.fillna(0)
transanalyse1.columns = ['18-25', '25-35', '35-45', '45-55', '55-65','65-75','75-85','+85']
transanalyse1 = transanalyse1.reset_index()
# Remodeler le Dataframe adapté au package StatsModels
transanalyse1_melt = transanalyse1.melt( id_vars=['price'], 
                                        value_vars=['18-25', '25-35', '35-45', '45-55', 
                                                    '55-65','65-75','75-85','+85'])
#display(transanalyse1.head(3))
#display(transanalyse1_melt.head(3))

############################ Test ANOVA (analyse de variance) ###########################
# Hypothèses du test
message = "Hypothèses du test ANOVA"
Text_message(message)
message = "H0 (hypothèse nulle) : Les moyennes des groupes sont égales, il n'y a pas de différence statistiquement significative entre les groupes."
Text_message(message)
message = "H1 (hypothèse alternative) : Au moins une moyenne de groupe est différente, il y a une différence statistiquement significative entre au moins deux groupes."
Text_message(message)
message = "#######################################################"
Text_message(message)
# stats f_oneway fonctions prend les groupes comme entrée et renvoie la valeur ANOVA F et p-value
fvalue, pvalue = st.f_oneway(transanalyse1['18-25'], transanalyse1['25-35'], transanalyse1['35-45'], 
                             transanalyse1['45-55'], transanalyse1['55-65'], transanalyse1['65-75'], 
                             transanalyse1['75-85'], transanalyse1['+85'])
message = "Test Anova avec f_oneway"
Text_message(message)
message = "Statistique de test: {:.5f}".format(fvalue)
Text_message(message)
message = "p_value {}".format(pvalue)
Text_message(message)
print('--------------------------------------------------------')
# Adaptation du nom des colonnes en vu du test Anova
trans_melt = transanalyse1_melt
trans_melt.columns = ['index', "tranchages", "valeur"]
# Modèle des moindres carrés ordinaires (MCO) (OLS en anglais) 
model = ols('valeur ~ C(tranchages)', data=trans_melt).fit()
anova_table = sm.stats.anova_lm(model)
# sortie (ANOVA F et valeur p)
message = 'Test Anova suivant le modèle des moindres carrés ordinaires'
Text_message(message)
display(anova_table)
print('--------------------------------------------------------')
########################### AUTRE POSIBILITE ###########################################
# Table ANOVA avec bioinfokit (elle utilise un script wrapper pour anova_lm)
from bioinfokit.analys import stat
res = stat()
res.anova_stat(df=trans_melt, res_var='valeur', anova_model='valeur ~ C(tranchages)')
message = 'Test Anova avec bioinfokit'
Text_message(message)
display(res.anova_summary)
########################### résultat corrélation ###########################################
alpha = 0.05  # Niveau de signification
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et le montant des achats"
    Text_message(message)
else:
    message = "on ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives entre l'âge et le montant des achats"
    Text_message(message)

########################### Graphique ###########################################
# Renommer les colonnes
transanalyse1_melt.columns = ['prix', "Tranche d'ages", "Nbr commandes par prix du livre"]
#display(transanalyse1_melt.head(5))

# Générez un boxplot pour voir la distribution des données par tranche d'ages
medianprops = dict(linestyle='-', linewidth=2, color='coral')
meanprops = dict(marker='p',markerfacecolor='firebrick', markeredgecolor='black', markersize=8)
boxprops = dict(linestyle='-', linewidth=0)
# Nous pouvons facilement détecter les différences entre les différentes tranches d'ages
sns.set(rc={'axes.facecolor':'white', 'figure.facecolor':'lightgrey'})
plt.subplots(figsize=(12,3))
plt.title("Distribution du montant des achats par tranche d'âges", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
ax = sns.boxplot(x="Tranche d'ages", y="Nbr commandes par prix du livre", data=transanalyse1_melt,
                 palette='crest', showmeans=True, 
            showfliers=False, notch = True, meanprops=meanprops, medianprops=medianprops, 
                 boxprops = boxprops)
plt.grid(color='darkgrey')
plt.show()

--------------------------------------------------------

--------------------------------------------------------

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

############################### TEST ANOVA ########################
# Création du df pour effectuer le test
transanalyse1 = transanalyse[['price','Age-Range']]
transanalyse1 = transanalyse1.pivot_table(index='price', 
                                          columns="Age-Range",aggfunc=len)
# Remplacer les nan par des 0
transanalyse1 = transanalyse1.fillna(0)
transanalyse1.columns = ['18-25', '25-35', '35-45', '45-55', '55-65','65-75','75-85','+85']
transanalyse1 = transanalyse1.reset_index()
# Remodeler le Dataframe adapté au package StatsModels
transanalyse1_melt = transanalyse1.melt( id_vars=['price'], 
                                        value_vars=['18-25', '25-35', '35-45', '45-55', 
                                                    '55-65','65-75','75-85','+85'])
#display(transanalyse1.head(3))
#display(transanalyse1_melt.head(3))

############################ Test ANOVA (analyse de variance) ###########################
# Hypothèses du test
message = "Hypothèses du test ANOVA"
Text_message(message)
message = "H0 (hypothèse nulle) : Les moyennes des groupes sont égales, il n'y a pas de différence statistiquement significative entre les groupes."
Text_message(message)
message = "H1 (hypothèse alternative) : Au moins une moyenne de groupe est différente, il y a une différence statistiquement significative entre au moins deux groupes."
Text_message(message)
message = "#######################################################"
Text_message(message)
# stats f_oneway fonctions prend les groupes comme entrée et renvoie la valeur ANOVA F et p-value
fvalue, pvalue = st.f_oneway(transanalyse1['18-25'], transanalyse1['25-35'], transanalyse1['35-45'], 
                             transanalyse1['45-55'], transanalyse1['55-65'], transanalyse1['65-75'], 
                             transanalyse1['75-85'], transanalyse1['+85'])
message = "Test Anova avec f_oneway"
Text_message(message)
message = "Statistique de test: {:.5f}".format(fvalue)
Text_message(message)
message = "p_value {}".format(pvalue)
Text_message(message)
print('--------------------------------------------------------')
# Adaptation du nom des colonnes en vu du test Anova
trans_melt = transanalyse1_melt
trans_melt.columns = ['index', "tranchages", "valeur"]
# Modèle des moindres carrés ordinaires (MCO) (OLS en anglais) 
model = ols('valeur ~ C(tranchages)', data=trans_melt).fit()
anova_table = sm.stats.anova_lm(model)
# sortie (ANOVA F et valeur p)
message = 'Test Anova suivant le modèle des moindres carrés ordinaires'
Text_message(message)
display(anova_table)
print('--------------------------------------------------------')
########################### AUTRE POSIBILITE ###########################################
# Table ANOVA avec bioinfokit (elle utilise un script wrapper pour anova_lm)
from bioinfokit.analys import stat
res = stat()
res.anova_stat(df=trans_melt, res_var='valeur', anova_model='valeur ~ C(tranchages)')
message = 'Test Anova avec bioinfokit'
Text_message(message)
display(res.anova_summary)
########################### résultat corrélation ###########################################
alpha = 0.05  # Niveau de signification
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et le montant des achats"
    Text_message(message)
else:
    message = "on ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives entre l'âge et le montant des achats"
    Text_message(message)

########################### Graphique ###########################################
# Renommer les colonnes
transanalyse1_melt.columns = ['prix', "Tranche d'ages", "Nbr commandes par prix du livre"]
#display(transanalyse1_melt.head(5))

# Générez un boxplot pour voir la distribution des données par tranche d'ages
medianprops = dict(linestyle='-', linewidth=2, color='coral')
meanprops = dict(marker='p',markerfacecolor='firebrick', markeredgecolor='black', markersize=8)
boxprops = dict(linestyle='-', linewidth=0)
# Nous pouvons facilement détecter les différences entre les différentes tranches d'ages
sns.set(rc={'axes.facecolor':'white', 'figure.facecolor':'lightgrey'})
plt.subplots(figsize=(12,3))
plt.title("Distribution du montant des achats par tranche d'âges", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
ax = sns.boxplot(x="Tranche d'ages", y="Nbr commandes par prix du livre", data=transanalyse1_melt,
                 palette='crest', showmeans=True, 
            showfliers=False, notch = True, meanprops=meanprops, medianprops=medianprops, 
                 boxprops = boxprops)
plt.grid(color='darkgrey')
plt.show()

--------------------------------------------------------

--------------------------------------------------------

# Création du Df par âge utile à l'analyse 
Freq_achat_client = transanalyse.groupby(['Age','year','month', 'client_id'])[[
    'session_id']].nunique()
Freq_achat_client = Freq_achat_client.groupby(['Age']).count().reset_index()

# Données d'âge des clients (variable x) et fréquence d'achat (variable y)
x = Freq_achat_client['Age']
y = Freq_achat_client['session_id']

# Hypothèses du test
message = "Hypothèses du test de Spearman"
Text_message(message)
message = "H0 (hypothèse nulle) : Il n'y a pas de corrélation monotone entre les variables 'Age' et 'fréquence d'achat'."
Text_message(message)
message = "H1 (hypothèse alternative) : Il y a une corrélation monotone entre les variables 'Age' et 'fréquence d'achat'."
Text_message(message)
message = "#######################################################"
Text_message(message)
# Calcul de la corrélation et du p-value
correlation, p_value = st.spearmanr(x, y)
correl = correlation **2
if p_value < alpha:
    message = "Il y a une corrélation négative significative entre l'âge et la fréquence d'achat, on rejette H0"
    Text_message(message)
    message = "Corrélation de Spearman au carré (r2) :  {:.5f}".format(correl)  
    Text_message(message)
else:
    print("Il n'y a pas de corrélation entre l'âge et la fréquence d'achat")
# Affichage des résultats
message = "Corrélation de Spearman :  {:.5f}".format(correlation)
Text_message(message)
message = "p_value Spearman :  {}".format(p_value)
Text_message(message)
# Préparation graphique
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
# Calcul de la régression linéaire
coefficients = np.polyfit(x, y, 1)
slope = coefficients[0]
intercept = coefficients[1]
regression_line = slope * x + intercept

# Création du diagramme de dispersion et de la régression linéaire
sns.scatterplot(x=x, y=y, color='teal', label="Fréquence d'achat")
plt.plot(x, regression_line, c='r', label='Régression linéaire')
plt.title("Corrélation sur l'ensemble des clients", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
plt.xlabel("Age")
plt.ylabel("")
plt.legend(facecolor='whitesmoke')
plt.show()

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Création du Df par âge utile à l'analyse 
Freq_achat_client = transanalyse.groupby(['Age','year','month', 'client_id'])[[
    'session_id']].nunique()
Freq_achat_client = Freq_achat_client.groupby(['Age']).count().reset_index()

# Données d'âge des clients (variable x) et fréquence d'achat (variable y)
x = Freq_achat_client['Age']
y = Freq_achat_client['session_id']

# Hypothèses du test
message = "Hypothèses du test de Spearman"
Text_message(message)
message = "H0 (hypothèse nulle) : Il n'y a pas de corrélation monotone entre les variables 'Age' et 'fréquence d'achat'."
Text_message(message)
message = "H1 (hypothèse alternative) : Il y a une corrélation monotone entre les variables 'Age' et 'fréquence d'achat'."
Text_message(message)
message = "#######################################################"
Text_message(message)
# Calcul de la corrélation et du p-value
correlation, p_value = st.spearmanr(x, y)
correl = correlation **2
if p_value < alpha:
    message = "Il y a une corrélation négative significative entre l'âge et la fréquence d'achat, on rejette H0"
    Text_message(message)
    message = "Corrélation de Spearman au carré (r2) :  {:.5f}".format(correl)  
    Text_message(message)
else:
    print("Il n'y a pas de corrélation entre l'âge et la fréquence d'achat")
# Affichage des résultats
message = "Corrélation de Spearman :  {:.5f}".format(correlation)
Text_message(message)
message = "p_value Spearman :  {}".format(p_value)
Text_message(message)
# Préparation graphique
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
# Calcul de la régression linéaire
coefficients = np.polyfit(x, y, 1)
slope = coefficients[0]
intercept = coefficients[1]
regression_line = slope * x + intercept

# Création du diagramme de dispersion et de la régression linéaire
sns.scatterplot(x=x, y=y, color='teal', label="Fréquence d'achat")
plt.plot(x, regression_line, c='r', label='Régression linéaire')
plt.title("Corrélation sur l'ensemble des clients", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
plt.xlabel("Age")
plt.ylabel("")
plt.legend(facecolor='whitesmoke')
plt.show()

# Création du Df par tranches d'âges utile à l'analyse 
Corr_age_freq = transanalyse.groupby(['Age-Range','Age'])['session_id'].count().reset_index()
Corr_age_freq["fréquence"] = round((Corr_age_freq["session_id"] / len(transanalyse)),3)
Corr_age_freq["fréquence cum"] = Corr_age_freq["fréquence"].cumsum() # cumsum calcule la somme cumulée
# Supprimer les lignes où il n'y a pas de session 
Corr_age_freq.drop( Corr_age_freq[ Corr_age_freq['session_id'] == 0 ].index, inplace=True)
#display(Corr_age_freq.head(3))

# Création du df pour effectuer le test
Corr_age_freq1 = Corr_age_freq[['session_id','Age-Range','Age']]
Corr_age_freq1 = Corr_age_freq1.pivot_table(index='Age', values='session_id', 
                                          columns="Age-Range")
# Renommer les colonnes
Corr_age_freq1.columns = ['18-25', '25-35', '35-45', '45-55', '55-65','65-75','75-85','+85']
# Remplacer les nan par des 0
Corr_age_freq1 = Corr_age_freq1.fillna(0)
Corr_age_freq1 = Corr_age_freq1.reset_index()
# Hypothèses du test
message = "Hypothèses du test ANOVA"
Text_message(message)
message = "H0 (hypothèse nulle) : Les moyennes des groupes sont égales, il n'y a pas de différence statistiquement significative entre les groupes."
Text_message(message)
message = "H1 (hypothèse alternative) : Au moins une moyenne de groupe est différente, il y a une différence statistiquement significative entre au moins deux groupes."
Text_message(message)
message = "#######################################################"
Text_message(message)
message = "Test Anova avec f_oneway"
Text_message(message)
display(Corr_age_freq1.head(3))

######################################################################################################""
# stats f_oneway fonctions prend les groupes comme entrée et renvoie la valeur ANOVA F et p-value
fvalue, pvalue = st.f_oneway(Corr_age_freq1['18-25'], Corr_age_freq1['25-35'], Corr_age_freq1['35-45'], 
                             Corr_age_freq1['45-55'], Corr_age_freq1['55-65'], Corr_age_freq1['65-75'], 
                             Corr_age_freq1['75-85'], Corr_age_freq1['+85'])
message = "Statistique de test: {:.5f}".format(fvalue)
Text_message(message)
message = "p_value {}".format(pvalue)
Text_message(message)
alpha = 0.05  # Niveau de signification
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et la fréquence des achats"
else:
    message = "on ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives  entre l'âge et la fréquence des achats"
Text_message(message)

######################################################################################################""
# Remodeler le Dataframe adapté au package StatsModels
Corr_age_melt = Corr_age_freq1.melt( id_vars=['Age'], 
                                        value_vars=['18-25', '25-35', '35-45', '45-55', 
                                                    '55-65','65-75','75-85','+85'])
Corr_age_melt.columns = ['Age', "tranchages", "valeur"]
# Corr_age_melt = Corr_age_melt.fillna(0)
Corr_age_melt.drop( Corr_age_melt[ Corr_age_melt['valeur'] == 0 ].index, inplace=True)

# Adaptation du nom des colonnes en vu du test Anova
#Corr_age_melt.columns = ['Age', "tranchages", "valeur"]
# Modèle des moindres carrés ordinaires (MCO) (OLS en anglais) 
model = ols('valeur ~ C(tranchages)', data=Corr_age_melt).fit()
anova_table = sm.stats.anova_lm(model)
# sortie (ANOVA F et valeur p)
message = 'Test Anova suivant le modèle des moindres carrés ordinaires'
Text_message(message)
# Renommer les colonnes
Corr_age_melt.columns = ['Age', "Tranche d'ages", "Nbr de sessions"]
display(Corr_age_melt.head(3))
display(anova_table)
alpha = 0.05  # Niveau de signification
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et la fréquence des achats"
else:
    message = "on ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives  entre l'âge et la fréquence des achats"
Text_message(message)   
########################### Graphique ###########################################
# Générez un boxplot pour voir la distribution des données par tranche d'ages
# Préparation des attributs du boxplot
medianprops = dict(linestyle='-', linewidth=2, color='coral')
meanprops = dict(marker='p',markerfacecolor='firebrick', markeredgecolor='black', markersize=8)
boxprops = dict(linestyle='-', linewidth=0)
# Nous pouvons facilement détecter les différences entre les différentes tranches d'ages
sns.set(rc={'axes.facecolor':'white', 'figure.facecolor':'lightgrey'})
plt.subplots(figsize=(12,3))
plt.title("Distribution de la Fréquence d'achat par tranche d'âges", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.boxplot(x="Tranche d'ages", y="Nbr de sessions", data=Corr_age_melt, palette='crest', showmeans=True, 
            showfliers=False, notch = False, meanprops=meanprops, medianprops=medianprops, boxprops = boxprops)
plt.grid(color='darkgrey')
plt.ylabel("Fréquence d'achat")
plt.show()

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Création du Df par tranches d'âges utile à l'analyse 
Corr_age_freq = transanalyse.groupby(['Age-Range','Age'])['session_id'].count().reset_index()
Corr_age_freq["fréquence"] = round((Corr_age_freq["session_id"] / len(transanalyse)),3)
Corr_age_freq["fréquence cum"] = Corr_age_freq["fréquence"].cumsum() # cumsum calcule la somme cumulée
# Supprimer les lignes où il n'y a pas de session 
Corr_age_freq.drop( Corr_age_freq[ Corr_age_freq['session_id'] == 0 ].index, inplace=True)
#display(Corr_age_freq.head(3))

# Création du df pour effectuer le test
Corr_age_freq1 = Corr_age_freq[['session_id','Age-Range','Age']]
Corr_age_freq1 = Corr_age_freq1.pivot_table(index='Age', values='session_id', 
                                          columns="Age-Range")
# Renommer les colonnes
Corr_age_freq1.columns = ['18-25', '25-35', '35-45', '45-55', '55-65','65-75','75-85','+85']
# Remplacer les nan par des 0
Corr_age_freq1 = Corr_age_freq1.fillna(0)
Corr_age_freq1 = Corr_age_freq1.reset_index()
# Hypothèses du test
message = "Hypothèses du test ANOVA"
Text_message(message)
message = "H0 (hypothèse nulle) : Les moyennes des groupes sont égales, il n'y a pas de différence statistiquement significative entre les groupes."
Text_message(message)
message = "H1 (hypothèse alternative) : Au moins une moyenne de groupe est différente, il y a une différence statistiquement significative entre au moins deux groupes."
Text_message(message)
message = "#######################################################"
Text_message(message)
message = "Test Anova avec f_oneway"
Text_message(message)
display(Corr_age_freq1.head(3))

######################################################################################################""
# stats f_oneway fonctions prend les groupes comme entrée et renvoie la valeur ANOVA F et p-value
fvalue, pvalue = st.f_oneway(Corr_age_freq1['18-25'], Corr_age_freq1['25-35'], Corr_age_freq1['35-45'], 
                             Corr_age_freq1['45-55'], Corr_age_freq1['55-65'], Corr_age_freq1['65-75'], 
                             Corr_age_freq1['75-85'], Corr_age_freq1['+85'])
message = "Statistique de test: {:.5f}".format(fvalue)
Text_message(message)
message = "p_value {}".format(pvalue)
Text_message(message)
alpha = 0.05  # Niveau de signification
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et la fréquence des achats"
else:
    message = "on ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives  entre l'âge et la fréquence des achats"
Text_message(message)

######################################################################################################""
# Remodeler le Dataframe adapté au package StatsModels
Corr_age_melt = Corr_age_freq1.melt( id_vars=['Age'], 
                                        value_vars=['18-25', '25-35', '35-45', '45-55', 
                                                    '55-65','65-75','75-85','+85'])
Corr_age_melt.columns = ['Age', "tranchages", "valeur"]
# Corr_age_melt = Corr_age_melt.fillna(0)
Corr_age_melt.drop( Corr_age_melt[ Corr_age_melt['valeur'] == 0 ].index, inplace=True)

# Adaptation du nom des colonnes en vu du test Anova
#Corr_age_melt.columns = ['Age', "tranchages", "valeur"]
# Modèle des moindres carrés ordinaires (MCO) (OLS en anglais) 
model = ols('valeur ~ C(tranchages)', data=Corr_age_melt).fit()
anova_table = sm.stats.anova_lm(model)
# sortie (ANOVA F et valeur p)
message = 'Test Anova suivant le modèle des moindres carrés ordinaires'
Text_message(message)
# Renommer les colonnes
Corr_age_melt.columns = ['Age', "Tranche d'ages", "Nbr de sessions"]
display(Corr_age_melt.head(3))
display(anova_table)
alpha = 0.05  # Niveau de signification
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et la fréquence des achats"
else:
    message = "on ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives  entre l'âge et la fréquence des achats"
Text_message(message)   
########################### Graphique ###########################################
# Générez un boxplot pour voir la distribution des données par tranche d'ages
# Préparation des attributs du boxplot
medianprops = dict(linestyle='-', linewidth=2, color='coral')
meanprops = dict(marker='p',markerfacecolor='firebrick', markeredgecolor='black', markersize=8)
boxprops = dict(linestyle='-', linewidth=0)
# Nous pouvons facilement détecter les différences entre les différentes tranches d'ages
sns.set(rc={'axes.facecolor':'white', 'figure.facecolor':'lightgrey'})
plt.subplots(figsize=(12,3))
plt.title("Distribution de la Fréquence d'achat par tranche d'âges", y=1.05, 
          fontdict={'size': 12, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.boxplot(x="Tranche d'ages", y="Nbr de sessions", data=Corr_age_melt, palette='crest', showmeans=True, 
            showfliers=False, notch = False, meanprops=meanprops, medianprops=medianprops, boxprops = boxprops)
plt.grid(color='darkgrey')
plt.ylabel("Fréquence d'achat")
plt.show()

# Création du Df par âge utile à l'analyse 
Age_panier = transanalyse.groupby(['Age-Range','Age'])['price'].mean().reset_index()
Age_panier = Age_panier.rename(columns={"price":"Panier moyen"})
Age_panier["Panier moyen"] = round((Age_panier["Panier moyen"]),2)

# Supprimer les lignes où le panier moyen = 0
Age_panier['Panier moyen'] = Age_panier['Panier moyen'].fillna(0)
Age_panier = Age_panier.drop(Age_panier[Age_panier['Panier moyen'] == 0].index)
display(Age_panier.tail(3))
panier_moyen_zero = Age_panier.loc[Age_panier['Panier moyen'] == 0]
print(panier_moyen_zero)
# Vérification de distribution normale
# Échantillon de données
x = Age_panier['Age']
y = Age_panier['Panier moyen']
# Test de Shapiro-Wilk
message = 'Test de Shapiro-Wilk'
Text_message(message)
statistic, p_value = st.shapiro(x)
statistic1, p_value1 = st.shapiro(y)
message = "Statistique de test : {:.5f}  et P_value : {}".format(statistic,p_value)
Text_message(message)
# Interprétation des résultats
if p_value > 0.05:
    message = "L'échantillon 'Age' suit une distribution normale."
else:
    message = "L'échantillon 'Age' ne suit pas une distribution normale."
Text_message(message)
print("--------------------------------") 
message = "Statistique de test : {:.5f}  et P_value : {}".format(statistic1,p_value1)
Text_message(message)
if p_value1 > 0.05:
    message = "L'échantillon 'Panier moyen' suit une distribution normale."
else:
    message = "L'échantillon 'Panier moyen' ne suit pas une distribution normale."
Text_message(message)
message = "#######################################################"
Text_message(message)

# Données d'âge des clients (variable x) et du panier moyen (variable y)
#x = Age_panier['Age']
#y = Age_panier['Panier moyen']
# Hypothèses du test
message = "Hypothèses du test de Spearman"
Text_message(message)
message = "H0 (hypothèse nulle) : Il n'y a pas de corrélation monotone entre les variables 'Age' et 'panier moyen'."
Text_message(message)
message = "H1 (hypothèse alternative) : Il y a une corrélation monotone entre les variables 'Age' et 'panier moyen."
Text_message(message)
message = "#######################################################"
Text_message(message)
# Calcul de la corrélation et du p-value
# Données d'âge des clients (variable x) et du panier moyen (variable y)
x = Age_panier['Age']
y = Age_panier['Panier moyen']
message = 'Test de Spearman'
Text_message(message)
correlation, p_value = st.spearmanr(x, y)
correl = correlation **2
if p_value < alpha:
    message = "Il y a une corrélation entre l'âge et le panier moyen, on rejette H0"
    Text_message(message)
    message = "Corrélation de Spearman au carré (r2) : {:.4f}".format(correl)
    Text_message(message)
else:
    message = "Il n'y a pas de corrélation entre l'âge et le panier moyen, H0 non rejetée"
    Text_message(message)
    message = "Corrélation de Spearman au carré (r2) : {:.4f}".format(correl)
    Text_message(message)

sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))

# Calcul de la régression linéaire avec scipy.stats.linregress
slope, intercept, _, _, _ = linregress(x, y)
regression_line = slope * x + intercept

# Création du diagramme de dispersion et de la régression linéaire
sns.scatterplot(x=x, y=y, color='teal', label='Données observées')
plt.plot(x, regression_line, c='r', label='Régression linéaire')
plt.title("Test de corrélation de Spearman")
plt.xlabel("Age")
plt.ylabel("Panier moyen")
plt.legend(facecolor='whitesmoke')
plt.show()

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Création du Df par âge utile à l'analyse 
Age_panier = transanalyse.groupby(['Age-Range','Age'])['price'].mean().reset_index()
Age_panier = Age_panier.rename(columns={"price":"Panier moyen"})
Age_panier["Panier moyen"] = round((Age_panier["Panier moyen"]),2)

# Supprimer les lignes où le panier moyen = 0
Age_panier['Panier moyen'] = Age_panier['Panier moyen'].fillna(0)
Age_panier = Age_panier.drop(Age_panier[Age_panier['Panier moyen'] == 0].index)
display(Age_panier.tail(3))
panier_moyen_zero = Age_panier.loc[Age_panier['Panier moyen'] == 0]
print(panier_moyen_zero)
# Vérification de distribution normale
# Échantillon de données
x = Age_panier['Age']
y = Age_panier['Panier moyen']
# Test de Shapiro-Wilk
message = 'Test de Shapiro-Wilk'
Text_message(message)
statistic, p_value = st.shapiro(x)
statistic1, p_value1 = st.shapiro(y)
message = "Statistique de test : {:.5f}  et P_value : {}".format(statistic,p_value)
Text_message(message)
# Interprétation des résultats
if p_value > 0.05:
    message = "L'échantillon 'Age' suit une distribution normale."
else:
    message = "L'échantillon 'Age' ne suit pas une distribution normale."
Text_message(message)
print("--------------------------------") 
message = "Statistique de test : {:.5f}  et P_value : {}".format(statistic1,p_value1)
Text_message(message)
if p_value1 > 0.05:
    message = "L'échantillon 'Panier moyen' suit une distribution normale."
else:
    message = "L'échantillon 'Panier moyen' ne suit pas une distribution normale."
Text_message(message)
message = "#######################################################"
Text_message(message)

# Données d'âge des clients (variable x) et du panier moyen (variable y)
#x = Age_panier['Age']
#y = Age_panier['Panier moyen']
# Hypothèses du test
message = "Hypothèses du test de Spearman"
Text_message(message)
message = "H0 (hypothèse nulle) : Il n'y a pas de corrélation monotone entre les variables 'Age' et 'panier moyen'."
Text_message(message)
message = "H1 (hypothèse alternative) : Il y a une corrélation monotone entre les variables 'Age' et 'panier moyen."
Text_message(message)
message = "#######################################################"
Text_message(message)
# Calcul de la corrélation et du p-value
# Données d'âge des clients (variable x) et du panier moyen (variable y)
x = Age_panier['Age']
y = Age_panier['Panier moyen']
message = 'Test de Spearman'
Text_message(message)
correlation, p_value = st.spearmanr(x, y)
correl = correlation **2
if p_value < alpha:
    message = "Il y a une corrélation entre l'âge et le panier moyen, on rejette H0"
    Text_message(message)
    message = "Corrélation de Spearman au carré (r2) : {:.4f}".format(correl)
    Text_message(message)
else:
    message = "Il n'y a pas de corrélation entre l'âge et le panier moyen, H0 non rejetée"
    Text_message(message)
    message = "Corrélation de Spearman au carré (r2) : {:.4f}".format(correl)
    Text_message(message)

sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))

# Calcul de la régression linéaire avec scipy.stats.linregress
slope, intercept, _, _, _ = linregress(x, y)
regression_line = slope * x + intercept

# Création du diagramme de dispersion et de la régression linéaire
sns.scatterplot(x=x, y=y, color='teal', label='Données observées')
plt.plot(x, regression_line, c='r', label='Régression linéaire')
plt.title("Test de corrélation de Spearman")
plt.xlabel("Age")
plt.ylabel("Panier moyen")
plt.legend(facecolor='whitesmoke')
plt.show()

Empty DataFrame
Columns: [Age-Range, Age, Panier moyen]
Index: []

--------------------------------

# Création du df pour effectuer le test
Age_panier1 = Age_panier[['Panier moyen','Age-Range','Age']]
Age_panier1 = Age_panier1.pivot_table(index='Age', values='Panier moyen', 
                                          columns="Age-Range")

# Renommer les colonnes
Age_panier1.columns = ['18-25', '25-35', '35-45', '45-55', '55-65','65-75','75-85','+85']
# Remplacer les nan par des 0
Age_panier1 = Age_panier1.fillna(0)
Age_panier1 = Age_panier1.reset_index()

# Remodeler le Dataframe adapté au package StatsModels
Age_panier_melt = Age_panier1.melt( id_vars=['Age'], 
                                        value_vars=['18-25', '25-35', '35-45', '45-55', 
                                                    '55-65','65-75','75-85','+85'])
# Adaptation des colonnes pour l'Anova
Age_panier_melt.columns = ['Age', "tranchages", "valeur"]
Age_panier_melt.drop( Age_panier_melt[ Age_panier_melt['valeur'] == 0 ].index, inplace=True)

# Hypothèses du test
message = "Hypothèses du test ANOVA"
Text_message(message)
message = "H0 (hypothèse nulle) : Les moyennes des groupes sont égales, il n'y a pas de différence statistiquement significative entre les groupes."
Text_message(message)
message = "H1 (hypothèse alternative) : Au moins une moyenne de groupe est différente, il y a une différence statistiquement significative entre au moins deux groupes."
Text_message(message)
message = "#######################################################"
Text_message(message)
# Modèle des moindres carrés ordinaires (MCO) (OLS en anglais) 
message = "Test Anova suivant le modèle des moindres carrés ordinaires - 8 tranches d'âges"
Text_message(message)
model = ols('valeur ~ C(tranchages)', data=Age_panier_melt).fit()
anova_table = sm.stats.anova_lm(model)
# Renommer les colonnes
Age_panier_melt.columns = ['Age', "Tranche d'ages", "Panier moyen"]
display(Age_panier_melt.head(3))
# Affichage résultats (ANOVA F et valeur p)
display(anova_table)
alpha = 0.05
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et le panier moyen"
else:
    message = "On ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives entre l'âge et le panier moyen"
    
Text_message(message)
# stats f_oneway fonctions prend les groupes comme entrée et renvoie la valeur ANOVA F et p-value
fvalue, pvalue = st.f_oneway(Age_panier1['18-25'], Age_panier1['25-35'], Age_panier1['35-45'], 
                             Age_panier1['45-55'], Age_panier1['55-65'], Age_panier1['65-75'], 
                             Age_panier1['75-85'], Age_panier1['+85'])
message = "Test Anova avec f_oneway sur les 8 tranches d'âges"
Text_message(message)
display(Age_panier1.head(3))
message = "Statistique de test = {:.5f}".format(fvalue)
Text_message(message) 
message = "p-valeur = {:.5f}".format(pvalue)
Text_message(message) 
alpha = 0.05  # Niveau de signification
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et le panier moyen"
else:
    message = "On ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives entre l'âge et le panier moyen"
    
Text_message(message)
########################### Graphique ###########################################
fig, ax1 = plt.subplots(figsize=(12,3))
ax2 = ax1.twiny()
sns.boxplot(x="Age-Range", y="Panier moyen", data=Age_panier, palette='crest',
            showfliers=True, ax=ax1)
sns.scatterplot(x="Age", y="Panier moyen", data=Age_panier, color='red', alpha=0.5, ax=ax2)
plt.show()

Age_panier35 = Age_panier_melt.loc[Age_panier['Age'] <= 35]
Age_panier90 = Age_panier_melt.loc[Age_panier['Age'] > 35]
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 3))
ax1twin = ax1.twiny()
sns.boxplot(x="Tranche d'ages", y="Panier moyen", data=Age_panier35, palette='crest',
            showfliers=False, ax=ax1)
sns.scatterplot(x="Age", y="Panier moyen", data=Age_panier35, color='red', alpha=0.5, ax=ax1twin)
ax2twin = ax2.twiny()
sns.boxplot(x="Tranche d'ages", y="Panier moyen", data=Age_panier90, palette='crest',
            showfliers=False, ax=ax2)
sns.scatterplot(x="Age", y="Panier moyen", data=Age_panier90, color='red', alpha=0.5, ax=ax2twin)
plt.show()

########################### Même démarche avec 3 tranches d'âges #####################################                
# Création du Df par âge utile à l'analyse 
TAge_panier = Tranches.groupby(['Age-Range','Age'])['price'].mean().reset_index()
TAge_panier = TAge_panier.rename(columns={"price":"Panier moyen"})
TAge_panier["Panier moyen"] = round((TAge_panier["Panier moyen"]),2)
TAge_panier1 = TAge_panier.pivot_table(index='Age', values='Panier moyen', 
                                          columns="Age-Range")
TAge_panier1.columns = ['18-31','31-51','+51']
TAge_panier1 = TAge_panier1.fillna(0)
TAge_panier1 = TAge_panier1.reset_index()
TAge_panier_melt = TAge_panier1.melt( id_vars=['Age'], value_vars=['18-31','31-51','+51'])
TAge_panier_melt.columns = ['Age', "Age-Range", "Panier moyen"]
TAge_panier_melt.drop( TAge_panier_melt[ TAge_panier_melt['Panier moyen'] == 0 ].index, inplace=True)

# stats f_oneway fonctions prend les groupes comme entrée et renvoie la valeur ANOVA F et p-value
message = "Test Anova avec f_oneway sur les 3 tranches d'âges"
Text_message(message)
display(TAge_panier_melt.tail(3))
fvalue, pvalue = st.f_oneway(TAge_panier1['18-31'], TAge_panier1['31-51'], TAge_panier1['+51'])
message = "Statistique de test = {:.5f}".format(fvalue)
Text_message(message) 
message = "p-valeur = {}".format(pvalue)
Text_message(message)
alpha = 0.05  # Niveau de signification
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et le panier moyen"
else:
    message = "On ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives entre l'âge et le panier moyen"   
Text_message(message)

# Modèle des moindres carrés ordinaires (MCO) (OLS en anglais) 
message = "Test Anova suivant le modèle des moindres carrés ordinaires - 3 tranches d'âges"
Text_message(message)
# Adaptation des colonnes pour l'Anova
TAge_panier_melt.columns = ['Age', "tranchages", "valeur"]
model = ols('valeur ~ C(tranchages)', data=TAge_panier_melt).fit()
anova_table = sm.stats.anova_lm(model)
# Renommer les colonnes
TAge_panier_melt.columns = ['Age', "Age-Range", "Panier moyen"]
display(anova_table)
p_value = anova_table.loc['C(tranchages)', 'PR(>F)']
alpha = 0.05  # Niveau de signification
if p_value < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et le panier moyen"
else:
    message = "On ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives entre l'âge et le panier moyen"   
Text_message(message)

# Graphique
TAge_panier18 = TAge_panier_melt.loc[TAge_panier_melt['Age'] <= 31]
TAge_panier31 = TAge_panier_melt.loc[TAge_panier_melt['Age'] > 31]
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 3))
ax1twin = ax1.twiny()

sns.boxplot(x="Age-Range", y="Panier moyen", data=TAge_panier18, palette='crest',
            showfliers=True, ax=ax1)
sns.scatterplot(x="Age", y="Panier moyen", data=TAge_panier18, color='red', alpha=0.5, ax=ax1twin)
plt.grid(color='darkgrey')
ax2twin = ax2.twiny()
sns.boxplot(x="Age-Range", y="Panier moyen", data=TAge_panier31, palette='crest',
            showfliers=True, ax=ax2)
sns.scatterplot(x="Age", y="Panier moyen", data=TAge_panier31, color='red', alpha=0.5, ax=ax2twin)
plt.grid(color='darkgrey')
plt.show()

# Création du df pour effectuer le test
Age_panier1 = Age_panier[['Panier moyen','Age-Range','Age']]
Age_panier1 = Age_panier1.pivot_table(index='Age', values='Panier moyen', 
                                          columns="Age-Range")

# Renommer les colonnes
Age_panier1.columns = ['18-25', '25-35', '35-45', '45-55', '55-65','65-75','75-85','+85']
# Remplacer les nan par des 0
Age_panier1 = Age_panier1.fillna(0)
Age_panier1 = Age_panier1.reset_index()

# Remodeler le Dataframe adapté au package StatsModels
Age_panier_melt = Age_panier1.melt( id_vars=['Age'], 
                                        value_vars=['18-25', '25-35', '35-45', '45-55', 
                                                    '55-65','65-75','75-85','+85'])
# Adaptation des colonnes pour l'Anova
Age_panier_melt.columns = ['Age', "tranchages", "valeur"]
Age_panier_melt.drop( Age_panier_melt[ Age_panier_melt['valeur'] == 0 ].index, inplace=True)

# Hypothèses du test
message = "Hypothèses du test ANOVA"
Text_message(message)
message = "H0 (hypothèse nulle) : Les moyennes des groupes sont égales, il n'y a pas de différence statistiquement significative entre les groupes."
Text_message(message)
message = "H1 (hypothèse alternative) : Au moins une moyenne de groupe est différente, il y a une différence statistiquement significative entre au moins deux groupes."
Text_message(message)
message = "#######################################################"
Text_message(message)
# Modèle des moindres carrés ordinaires (MCO) (OLS en anglais) 
message = "Test Anova suivant le modèle des moindres carrés ordinaires - 8 tranches d'âges"
Text_message(message)
model = ols('valeur ~ C(tranchages)', data=Age_panier_melt).fit()
anova_table = sm.stats.anova_lm(model)
# Renommer les colonnes
Age_panier_melt.columns = ['Age', "Tranche d'ages", "Panier moyen"]
display(Age_panier_melt.head(3))
# Affichage résultats (ANOVA F et valeur p)
display(anova_table)
alpha = 0.05
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et le panier moyen"
else:
    message = "On ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives entre l'âge et le panier moyen"
    
Text_message(message)
# stats f_oneway fonctions prend les groupes comme entrée et renvoie la valeur ANOVA F et p-value
fvalue, pvalue = st.f_oneway(Age_panier1['18-25'], Age_panier1['25-35'], Age_panier1['35-45'], 
                             Age_panier1['45-55'], Age_panier1['55-65'], Age_panier1['65-75'], 
                             Age_panier1['75-85'], Age_panier1['+85'])
message = "Test Anova avec f_oneway sur les 8 tranches d'âges"
Text_message(message)
display(Age_panier1.head(3))
message = "Statistique de test = {:.5f}".format(fvalue)
Text_message(message) 
message = "p-valeur = {:.5f}".format(pvalue)
Text_message(message) 
alpha = 0.05  # Niveau de signification
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et le panier moyen"
else:
    message = "On ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives entre l'âge et le panier moyen"
    
Text_message(message)
########################### Graphique ###########################################
fig, ax1 = plt.subplots(figsize=(12,3))
ax2 = ax1.twiny()
sns.boxplot(x="Age-Range", y="Panier moyen", data=Age_panier, palette='crest',
            showfliers=True, ax=ax1)
sns.scatterplot(x="Age", y="Panier moyen", data=Age_panier, color='red', alpha=0.5, ax=ax2)
plt.show()

Age_panier35 = Age_panier_melt.loc[Age_panier['Age'] <= 35]
Age_panier90 = Age_panier_melt.loc[Age_panier['Age'] > 35]
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 3))
ax1twin = ax1.twiny()
sns.boxplot(x="Tranche d'ages", y="Panier moyen", data=Age_panier35, palette='crest',
            showfliers=False, ax=ax1)
sns.scatterplot(x="Age", y="Panier moyen", data=Age_panier35, color='red', alpha=0.5, ax=ax1twin)
ax2twin = ax2.twiny()
sns.boxplot(x="Tranche d'ages", y="Panier moyen", data=Age_panier90, palette='crest',
            showfliers=False, ax=ax2)
sns.scatterplot(x="Age", y="Panier moyen", data=Age_panier90, color='red', alpha=0.5, ax=ax2twin)
plt.show()

########################### Même démarche avec 3 tranches d'âges #####################################                
# Création du Df par âge utile à l'analyse 
TAge_panier = Tranches.groupby(['Age-Range','Age'])['price'].mean().reset_index()
TAge_panier = TAge_panier.rename(columns={"price":"Panier moyen"})
TAge_panier["Panier moyen"] = round((TAge_panier["Panier moyen"]),2)
TAge_panier1 = TAge_panier.pivot_table(index='Age', values='Panier moyen', 
                                          columns="Age-Range")
TAge_panier1.columns = ['18-31','31-51','+51']
TAge_panier1 = TAge_panier1.fillna(0)
TAge_panier1 = TAge_panier1.reset_index()
TAge_panier_melt = TAge_panier1.melt( id_vars=['Age'], value_vars=['18-31','31-51','+51'])
TAge_panier_melt.columns = ['Age', "Age-Range", "Panier moyen"]
TAge_panier_melt.drop( TAge_panier_melt[ TAge_panier_melt['Panier moyen'] == 0 ].index, inplace=True)

# stats f_oneway fonctions prend les groupes comme entrée et renvoie la valeur ANOVA F et p-value
message = "Test Anova avec f_oneway sur les 3 tranches d'âges"
Text_message(message)
display(TAge_panier_melt.tail(3))
fvalue, pvalue = st.f_oneway(TAge_panier1['18-31'], TAge_panier1['31-51'], TAge_panier1['+51'])
message = "Statistique de test = {:.5f}".format(fvalue)
Text_message(message) 
message = "p-valeur = {}".format(pvalue)
Text_message(message)
alpha = 0.05  # Niveau de signification
if pvalue < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et le panier moyen"
else:
    message = "On ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives entre l'âge et le panier moyen"   
Text_message(message)

# Modèle des moindres carrés ordinaires (MCO) (OLS en anglais) 
message = "Test Anova suivant le modèle des moindres carrés ordinaires - 3 tranches d'âges"
Text_message(message)
# Adaptation des colonnes pour l'Anova
TAge_panier_melt.columns = ['Age', "tranchages", "valeur"]
model = ols('valeur ~ C(tranchages)', data=TAge_panier_melt).fit()
anova_table = sm.stats.anova_lm(model)
# Renommer les colonnes
TAge_panier_melt.columns = ['Age', "Age-Range", "Panier moyen"]
display(anova_table)
p_value = anova_table.loc['C(tranchages)', 'PR(>F)']
alpha = 0.05  # Niveau de signification
if p_value < alpha:
    message = "On rejete l'hypothèse nulle, il y a des différences significatives entre l'âge et le panier moyen"
else:
    message = "On ne peut pas rejeter l'hypothèse nulle, il n'y a pas suffisamment de preuves pour affirmer qu'il y a des différences significatives entre l'âge et le panier moyen"   
Text_message(message)

# Graphique
TAge_panier18 = TAge_panier_melt.loc[TAge_panier_melt['Age'] <= 31]
TAge_panier31 = TAge_panier_melt.loc[TAge_panier_melt['Age'] > 31]
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 3))
ax1twin = ax1.twiny()

sns.boxplot(x="Age-Range", y="Panier moyen", data=TAge_panier18, palette='crest',
            showfliers=True, ax=ax1)
sns.scatterplot(x="Age", y="Panier moyen", data=TAge_panier18, color='red', alpha=0.5, ax=ax1twin)
plt.grid(color='darkgrey')
ax2twin = ax2.twiny()
sns.boxplot(x="Age-Range", y="Panier moyen", data=TAge_panier31, palette='crest',
            showfliers=True, ax=ax2)
sns.scatterplot(x="Age", y="Panier moyen", data=TAge_panier31, color='red', alpha=0.5, ax=ax2twin)
plt.grid(color='darkgrey')
plt.show()

# Création des Df par catégorie utile à l'analyse 
transCat0 = transanalyse.loc[transanalyse['categ'] == "0.0"]
transCat1 = transanalyse.loc[transanalyse['categ'] == "1.0"]
transCat2 = transanalyse.loc[transanalyse['categ'] == "2.0"]
transCat = transanalyse[['Age','categ']]

################################### Test de Spearman #########################
# Hypothèses du test
message = "Hypothèses du test de Spearman"
Text_message(message)
message = "H0 (hypothèse nulle) : Il n'y a pas de corrélation monotone entre les variables 'Age' et 'catégorie'."
Text_message(message)
message = "H1 (hypothèse alternative) : Il y a une corrélation monotone entre les variables 'Age' et 'catégorie'."
Text_message(message)
message = "#######################################################"
Text_message(message)
message = 'Test de Spearman'
Text_message(message)
display(transCat.tail(3))
# Données d'âge des clients (variable x) et la catégorie des livre acheté (variable y)
x = transCat['Age']
y = transCat['categ']
# Calcul de la corrélation et du p-value
correlation, p_value = st.spearmanr(x, y)
correl = correlation **2
# Affichage des résultats
message = "Corrélation de Spearman : {:.5f}".format(correlation)
Text_message(message)
message = "Corrélation de Spearman au carré (r2) : {:.4f}".format(correl)
Text_message(message)
message = "p-value : {}".format(p_value)
Text_message(message)

if p_value < alpha:
    message = "Il y a une corrélation entre l'âge et la catégorie des livres achetés, on rejette H0."
else:
    message = "Il n'y a pas de corrélation entre l'âge et la catégorie des livres achetés"
Text_message(message)

# graphique
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.title("Intérêt des catégories suivant l'âge", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.boxplot(x="categ", y="Age", data=transCat, palette='crest', showfliers=False, showmeans=True,
           medianprops=dict(linestyle='-', linewidth=2, color='coral'),
            meanprops=dict(marker='p',markerfacecolor='white', markeredgecolor='black', markersize=8),
            boxprops = dict(linestyle='-', linewidth=0))
plt.show()

# Création des Df par catégorie utile à l'analyse 
transCat0 = transanalyse.loc[transanalyse['categ'] == "0.0"]
transCat1 = transanalyse.loc[transanalyse['categ'] == "1.0"]
transCat2 = transanalyse.loc[transanalyse['categ'] == "2.0"]
transCat = transanalyse[['Age','categ']]

################################### Test de Spearman #########################
# Hypothèses du test
message = "Hypothèses du test de Spearman"
Text_message(message)
message = "H0 (hypothèse nulle) : Il n'y a pas de corrélation monotone entre les variables 'Age' et 'catégorie'."
Text_message(message)
message = "H1 (hypothèse alternative) : Il y a une corrélation monotone entre les variables 'Age' et 'catégorie'."
Text_message(message)
message = "#######################################################"
Text_message(message)
message = 'Test de Spearman'
Text_message(message)
display(transCat.tail(3))
# Données d'âge des clients (variable x) et la catégorie des livre acheté (variable y)
x = transCat['Age']
y = transCat['categ']
# Calcul de la corrélation et du p-value
correlation, p_value = st.spearmanr(x, y)
correl = correlation **2
# Affichage des résultats
message = "Corrélation de Spearman : {:.5f}".format(correlation)
Text_message(message)
message = "Corrélation de Spearman au carré (r2) : {:.4f}".format(correl)
Text_message(message)
message = "p-value : {}".format(p_value)
Text_message(message)

if p_value < alpha:
    message = "Il y a une corrélation entre l'âge et la catégorie des livres achetés, on rejette H0."
else:
    message = "Il n'y a pas de corrélation entre l'âge et la catégorie des livres achetés"
Text_message(message)

# graphique
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.title("Intérêt des catégories suivant l'âge", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.boxplot(x="categ", y="Age", data=transCat, palette='crest', showfliers=False, showmeans=True,
           medianprops=dict(linestyle='-', linewidth=2, color='coral'),
            meanprops=dict(marker='p',markerfacecolor='white', markeredgecolor='black', markersize=8),
            boxprops = dict(linestyle='-', linewidth=0))
plt.show()

############################ Prépartion des listes pour le test ######################
transCat00 = transanalyse['Age'].loc[transanalyse['categ'] == "0.0"].to_list()
transCat10 = transanalyse['Age'].loc[transanalyse['categ'] == "1.0"].to_list()
transCat20 = transanalyse['Age'].loc[transanalyse['categ'] == "2.0"].to_list()

# Hypothèses du test
message = "Hypothèses du de Kruskal-Wallis"
Text_message(message)
message = "H0 (hypothèse nulle) : Les médianes des groupes sont égales, il n'y a pas de différence statistiquement significative entre les groupes."
Text_message(message)
message = "H1 (hypothèse alternative) : Au moins une médiane de groupe est différente, il y a une différence statistiquement significative entre au moins deux groupes."
Text_message(message)

################################### test de Kruskal-Wallis ############################
message = "Test de Kruskal-Wallis"
Text_message(message)
statistic, p_value = kruskal(transCat00, transCat10, transCat20)

# Afficher les résultats
alpha = 0.05  # Niveau de signification
message = "Statistique de test = {:.4f}".format(statistic)
Text_message(message)
message = "p-valeur = {}".format(p_value)
Text_message(message)
if p_value > alpha:
    message = "Les catégories ont des distributions médianes égales (hypothèse nulle acceptée)."
else:
    message ="Au moins une catégorie a une distribution médiane différente (hypothèse nulle rejetée)."
Text_message(message)
message = "#######################################################"
Text_message(message)
################################### test ANOVA ############################  
# Hypothèses du test
message = "Hypothèses du test ANOVA"
Text_message(message)
message = "H0 (hypothèse nulle) : Les moyennes des groupes sont égales, il n'y a pas de différence statistiquement significative entre les groupes."
Text_message(message)
message = "H1 (hypothèse alternative) : Au moins une moyenne de groupe est différente, il y a une différence statistiquement significative entre au moins deux groupes."
Text_message(message)
message = "Test Anova avec f_oneway"
Text_message(message)
fvalue, pvalue = st.f_oneway(transCat00, transCat10, transCat20)

# Afficher les résultats
alpha = 0.05  # Niveau de signification
message = "Statistique de test = {:.4f}".format(fvalue)
Text_message(message)
message = "p-valeur = {}".format(pvalue)
Text_message(message)
if pvalue > alpha:
    message = "Les catégories ont des moyennes égales (hypothèse nulle acceptée)."
else:
    message = "Il existe une différence significative entre les moyennes des catégorise  (hypothèse nulle rejetée)."
Text_message(message)    
# Graphique 
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.title("Intérêt des catégories suivant l'âge", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.boxplot(x="categ", y="Age", data=transanalyse, palette='crest', showfliers=False,showmeans=True,
            medianprops=dict(linestyle='-', linewidth=2, color='coral'), notch = True,
            meanprops=dict(marker='p',markerfacecolor='white', markeredgecolor='black', markersize=8),
            boxprops = dict(linestyle='-', linewidth=0))
plt.show()

############################ Prépartion des listes pour le test ######################
transCat00 = transanalyse['Age'].loc[transanalyse['categ'] == "0.0"].to_list()
transCat10 = transanalyse['Age'].loc[transanalyse['categ'] == "1.0"].to_list()
transCat20 = transanalyse['Age'].loc[transanalyse['categ'] == "2.0"].to_list()

# Hypothèses du test
message = "Hypothèses du de Kruskal-Wallis"
Text_message(message)
message = "H0 (hypothèse nulle) : Les médianes des groupes sont égales, il n'y a pas de différence statistiquement significative entre les groupes."
Text_message(message)
message = "H1 (hypothèse alternative) : Au moins une médiane de groupe est différente, il y a une différence statistiquement significative entre au moins deux groupes."
Text_message(message)

################################### test de Kruskal-Wallis ############################
message = "Test de Kruskal-Wallis"
Text_message(message)
statistic, p_value = kruskal(transCat00, transCat10, transCat20)

# Afficher les résultats
alpha = 0.05  # Niveau de signification
message = "Statistique de test = {:.4f}".format(statistic)
Text_message(message)
message = "p-valeur = {}".format(p_value)
Text_message(message)
if p_value > alpha:
    message = "Les catégories ont des distributions médianes égales (hypothèse nulle acceptée)."
else:
    message ="Au moins une catégorie a une distribution médiane différente (hypothèse nulle rejetée)."
Text_message(message)
message = "#######################################################"
Text_message(message)
################################### test ANOVA ############################  
# Hypothèses du test
message = "Hypothèses du test ANOVA"
Text_message(message)
message = "H0 (hypothèse nulle) : Les moyennes des groupes sont égales, il n'y a pas de différence statistiquement significative entre les groupes."
Text_message(message)
message = "H1 (hypothèse alternative) : Au moins une moyenne de groupe est différente, il y a une différence statistiquement significative entre au moins deux groupes."
Text_message(message)
message = "Test Anova avec f_oneway"
Text_message(message)
fvalue, pvalue = st.f_oneway(transCat00, transCat10, transCat20)

# Afficher les résultats
alpha = 0.05  # Niveau de signification
message = "Statistique de test = {:.4f}".format(fvalue)
Text_message(message)
message = "p-valeur = {}".format(pvalue)
Text_message(message)
if pvalue > alpha:
    message = "Les catégories ont des moyennes égales (hypothèse nulle acceptée)."
else:
    message = "Il existe une différence significative entre les moyennes des catégorise  (hypothèse nulle rejetée)."
Text_message(message)    
# Graphique 
sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'lightgrey'})
fig = plt.figure(figsize=(12, 3))
plt.title("Intérêt des catégories suivant l'âge", y=1.05, 
          fontdict={'size': 15, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
sns.boxplot(x="categ", y="Age", data=transanalyse, palette='crest', showfliers=False,showmeans=True,
            medianprops=dict(linestyle='-', linewidth=2, color='coral'), notch = True,
            meanprops=dict(marker='p',markerfacecolor='white', markeredgecolor='black', markersize=8),
            boxprops = dict(linestyle='-', linewidth=0))
plt.show()

###################### Préparation des tables en vue de l'analyse ####################
transCat18 = Tranches.loc[(Tranches['Age'] > 18) & (Tranches['Age'] <= 31)]
transCat31 = Tranches.loc[(Tranches['Age'] > 31) & (Tranches['Age'] <= 51)]
transCat51 = Tranches.loc[Tranches['Age'] > 51]

transCat18_00 = transCat18['Age'].loc[transCat18['categ'] == "0.0"].to_list()
transCat18_10 = transCat18['Age'].loc[transCat18['categ'] == "1.0"].to_list()
transCat18_20 = transCat18['Age'].loc[transCat18['categ'] == "2.0"].to_list()

transCat31_00 = transCat31['Age'].loc[transCat31['categ'] == "0.0"].to_list()
transCat31_10 = transCat31['Age'].loc[transCat31['categ'] == "1.0"].to_list()
transCat31_20 = transCat31['Age'].loc[transCat31['categ'] == "2.0"].to_list()

transCat51_00 = transCat51['Age'].loc[transCat51['categ'] == "0.0"].to_list()
transCat51_10 = transCat51['Age'].loc[transCat51['categ'] == "1.0"].to_list()
transCat51_20 = transCat51['Age'].loc[transCat51['categ'] == "2.0"].to_list()
# Liste des noms de catégories
categories = ["18-31 ans", "31-51 ans", "+51 ans"]
# Liste des groupes de données correspondants
data_groups = [
    (transCat18_00, transCat18_10, transCat18_20),
    (transCat31_00, transCat31_10, transCat31_20),
    (transCat51_00, transCat51_10, transCat51_20)]
# Liste des dataframes correspondants
dataframes = [transCat18, transCat31, transCat51]

# Boucle for pour calculer les valeurs fvalue et pvalue pour chaque groupe de données et dataframe
for i in range(len(categories)):
    category = categories[i]
    group_data = data_groups[i]
    dataframe = dataframes[i]
    ################################ test de Kruskal-Wallis ############################  
    statistic, p_value = kruskal(*group_data)
    # Afficher les résultats
    alpha = 0.05  # Niveau de signification
    ligne0 = "Test de Kruskal-Wallis - Tranche {}".format(category)
    ligne1 = "Statistique de test = {}".format(statistic)
    ligne2 = "p-valeur = {}".format(p_value) 
    if p_value > alpha:
        ligne3 = "Les catégories ont des distributions médianes égales\n(hypothèse nulle acceptée)."
    else:
        ligne3 = "Au moins une catégorie a une distribution médiane différente\n(hypothèse nulle rejetée)."
    ################################ test ANOVA ############################    
    fvalue, pvalue = st.f_oneway(*group_data)
    # Afficher les résultats
    alpha = 0.05  # Niveau de signification
    ligne4 = "Test ANOVA - Tranche {}".format(category)
    ligne5 = "Statistique de test = {}".format(fvalue)
    ligne6 = "p-valeur = {}".format(pvalue) 
    if pvalue > alpha:
        ligne7 = "Les catégories ont des moyennes égales\n(hypothèse nulle acceptée)."
    else:
        ligne7 = "Il existe une différence significative entre les moyennes des catégories\n(hypothèse nulle rejetée)."  

    # graphique
    sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'white'})
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 3))

    ax1.set_title("Intérêt des catégories pour les {}".format(category), y=1.05, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
    sns.boxplot(x="categ", y="Age", data=dataframe, palette='crest', showfliers=False,showmeans=True,
           medianprops=dict(linestyle='-', linewidth=2, color='coral'), notch = True,
            meanprops=dict(marker='p',markerfacecolor='white', markeredgecolor='black', markersize=8),
            boxprops = dict(linestyle='-', linewidth=0), ax=ax1)
    ax1.set_xlabel("")
    # Position verticale initiale du texte
    y_pos = 1
    # Ajouter chaque ligne de texte avec des variables
    ax2.text(0, y_pos, ligne0, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.1
    ax2.text(0, y_pos, ligne1, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.08
    ax2.text(0, y_pos, ligne2, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.08
    ax2.text(0, y_pos, ligne3, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.25
    ax2.text(0, y_pos, ligne4, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.1
    ax2.text(0, y_pos, ligne5, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.08
    ax2.text(0, y_pos, ligne6, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.08
    ax2.text(0, y_pos, ligne7, horizontalalignment='left', verticalalignment='top', fontsize=12)
    ax2.axis('off')

plt.show()

###################### Préparation des tables en vue de l'analyse ####################
transCat18 = Tranches.loc[(Tranches['Age'] > 18) & (Tranches['Age'] <= 31)]
transCat31 = Tranches.loc[(Tranches['Age'] > 31) & (Tranches['Age'] <= 51)]
transCat51 = Tranches.loc[Tranches['Age'] > 51]

transCat18_00 = transCat18['Age'].loc[transCat18['categ'] == "0.0"].to_list()
transCat18_10 = transCat18['Age'].loc[transCat18['categ'] == "1.0"].to_list()
transCat18_20 = transCat18['Age'].loc[transCat18['categ'] == "2.0"].to_list()

transCat31_00 = transCat31['Age'].loc[transCat31['categ'] == "0.0"].to_list()
transCat31_10 = transCat31['Age'].loc[transCat31['categ'] == "1.0"].to_list()
transCat31_20 = transCat31['Age'].loc[transCat31['categ'] == "2.0"].to_list()

transCat51_00 = transCat51['Age'].loc[transCat51['categ'] == "0.0"].to_list()
transCat51_10 = transCat51['Age'].loc[transCat51['categ'] == "1.0"].to_list()
transCat51_20 = transCat51['Age'].loc[transCat51['categ'] == "2.0"].to_list()
# Liste des noms de catégories
categories = ["18-31 ans", "31-51 ans", "+51 ans"]
# Liste des groupes de données correspondants
data_groups = [
    (transCat18_00, transCat18_10, transCat18_20),
    (transCat31_00, transCat31_10, transCat31_20),
    (transCat51_00, transCat51_10, transCat51_20)]
# Liste des dataframes correspondants
dataframes = [transCat18, transCat31, transCat51]

# Boucle for pour calculer les valeurs fvalue et pvalue pour chaque groupe de données et dataframe
for i in range(len(categories)):
    category = categories[i]
    group_data = data_groups[i]
    dataframe = dataframes[i]
    ################################ test de Kruskal-Wallis ############################  
    statistic, p_value = kruskal(*group_data)
    # Afficher les résultats
    alpha = 0.05  # Niveau de signification
    ligne0 = "Test de Kruskal-Wallis - Tranche {}".format(category)
    ligne1 = "Statistique de test = {}".format(statistic)
    ligne2 = "p-valeur = {}".format(p_value) 
    if p_value > alpha:
        ligne3 = "Les catégories ont des distributions médianes égales\n(hypothèse nulle acceptée)."
    else:
        ligne3 = "Au moins une catégorie a une distribution médiane différente\n(hypothèse nulle rejetée)."
    ################################ test ANOVA ############################    
    fvalue, pvalue = st.f_oneway(*group_data)
    # Afficher les résultats
    alpha = 0.05  # Niveau de signification
    ligne4 = "Test ANOVA - Tranche {}".format(category)
    ligne5 = "Statistique de test = {}".format(fvalue)
    ligne6 = "p-valeur = {}".format(pvalue) 
    if pvalue > alpha:
        ligne7 = "Les catégories ont des moyennes égales\n(hypothèse nulle acceptée)."
    else:
        ligne7 = "Il existe une différence significative entre les moyennes des catégories\n(hypothèse nulle rejetée)."  

    # graphique
    sns.set(rc={'axes.facecolor':'black', 'figure.facecolor':'white'})
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 3))

    ax1.set_title("Intérêt des catégories pour les {}".format(category), y=1.05, 
          fontdict={'size': 13, 'weight': 'bold', 'style':'italic', 'color': 'teal'})
    sns.boxplot(x="categ", y="Age", data=dataframe, palette='crest', showfliers=False,showmeans=True,
           medianprops=dict(linestyle='-', linewidth=2, color='coral'), notch = True,
            meanprops=dict(marker='p',markerfacecolor='white', markeredgecolor='black', markersize=8),
            boxprops = dict(linestyle='-', linewidth=0), ax=ax1)
    ax1.set_xlabel("")
    # Position verticale initiale du texte
    y_pos = 1
    # Ajouter chaque ligne de texte avec des variables
    ax2.text(0, y_pos, ligne0, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.1
    ax2.text(0, y_pos, ligne1, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.08
    ax2.text(0, y_pos, ligne2, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.08
    ax2.text(0, y_pos, ligne3, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.25
    ax2.text(0, y_pos, ligne4, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.1
    ax2.text(0, y_pos, ligne5, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.08
    ax2.text(0, y_pos, ligne6, horizontalalignment='left', verticalalignment='top', fontsize=12)
    y_pos -= 0.08
    ax2.text(0, y_pos, ligne7, horizontalalignment='left', verticalalignment='top', fontsize=12)
    ax2.axis('off')

plt.show()

	client_id	sex	birth
8620	c_5119	m	1974
8621	c_5643	f	1968
8622	c_84	f	1982

	id_prod	price	categ
3284	0_802	11.22	0
3285	1_140	38.56	1
3286	0_1920	25.16	0

	id_prod	date	session_id	client_id
679529	0_1425	2022-12-20 04:33:37.584749	s_314704	c_304
679530	0_1994	2021-07-16 20:36:35.350579	s_63204	c_2227
679531	1_523	2022-09-28 01:12:01.973763	s_274568	c_3873

	index	id_prod	date	session_id	client_id
197	670680	T_0	test_2021-03-01 02:30:02.237449	s_0	ct_1
198	671647	T_0	test_2021-03-01 02:30:02.237424	s_0	ct_1
199	679180	T_0	test_2021-03-01 02:30:02.237425	s_0	ct_1

	id_prod	date	session_id	client_id
678502	0_1604	2021-10-04 19:00:20.030388	s_99998	c_2795
678503	0_1572	2021-10-04 18:45:54.374885	s_99998	c_2795
678504	0_1411	2021-10-04 18:50:59.099942	s_99998	c_2795

	id_prod	date	session_id	client_id	sex	birth	_merge
678500	0_2231	2021-10-04 18:38:36.333661	s_99996	c_4900	f	1974	both
678501	0_1197	2021-10-04 18:45:38.003516	s_99997	c_3521	f	1979	both
678502	0_1604	2021-10-04 19:00:20.030388	s_99998	c_2795	f	1978	both
678503	0_1572	2021-10-04 18:45:54.374885	s_99998	c_2795	f	1978	both
678504	0_1411	2021-10-04 18:50:59.099942	s_99998	c_2795	f	1978	both

	id_prod	date	session_id	client_id	sex	birth	price	categ	_merge
667943	0_2245	2021-09-25 17:07:45.271509	s_95396	c_8616	m	1984	NaN	NaN	left_only
669293	0_2245	2021-09-26 17:52:55.561657	s_95930	c_6990	f	1986	NaN	NaN	left_only
678327	0_2245	2021-10-04 13:36:19.612226	s_99885	c_1514	f	1982	NaN	NaN	left_only

	id_prod	date	session_id	client_id	sex	birth	price	categ	year	month	day
0	0_1259	2021-03-01 00:01:07.843138	s_1	c_329	f	1967	11.99	0.0	2021	2021-03	2021-03-01
1	1_635	2021-03-01 00:10:33.163037	s_10	c_2218	f	1970	26.99	1.0	2021	2021-03	2021-03-01
2	0_1030	2021-03-01 04:12:43.572994	s_100	c_3854	f	1978	13.73	0.0	2021	2021-03	2021-03-01

	jour	categ	CA/jour
698	2021-10-01	1.0	6989.80
758	2021-10-28	1.0	6317.99
761	2021-10-29	1.0	6425.18

	Catégorie	CA en million	Quantité	prix moyen
0	0.0	4.415	415010	10.64
1	1.0	4.648	226891	20.49
2	2.0	2.774	36383	76.24
3	nan	0.000	221	0.00

	id_prod	date	session_id	client_id	sex	birth	price	year	month	day
79	0_2245	2021-10-04 21:20:27.540982	s_100047	c_8138	f	1984	10.64	2021	2021-10	2021-10-04
6923	0_2245	2021-03-23 15:57:44.266387	s_10427	c_5869	f	1952	10.64	2021	2021-03	2021-03-23
8191	0_2245	2021-10-15 09:31:31.539354	s_105069	c_4188	f	1935	10.64	2021	2021-10	2021-10-15

	jour	categ	CA/jour	year	month
2165	2021-10-03	1.0	6502.0	2021	2021-10
2166	2021-10-04	1.0	7385.0	2021	2021-10
2167	2021-10-05	1.0	7526.0	2021	2021-10
2168	2021-10-06	1.0	7755.0	2021	2021-10
2169	2021-10-07	1.0	6515.0	2021	2021-10

	id_prod	date	session_id	client_id	sex	birth	price	categ	year	month	day	Age	Age-Range
461465	1_376	2022-12-18 05:25:14.679731	s_313790	c_3195	m	2004	17.49	1.0	2022	2022-12	2022-12-18	19	(18, 25]
223590	1_281	2022-05-05 20:50:49.992478	s_204181	c_7712	f	2004	23.99	1.0	2022	2022-05	2022-05-05	19	(18, 25]
223591	2_159	2022-05-05 20:50:51.992478	s_204181	c_7712	f	2004	145.99	2.0	2022	2022-05	2022-05-05	19	(18, 25]

	client_id	Première commande	Montant 1ère commande	Tranche d'âge	Dernière commande	Montant dernière commande	Année naissance
8597	c_7299	2021-03-01	5.99	(35, 45]	2023-02-28	3.28	1983
8598	c_2851	2021-03-01	17.40	(35, 45]	2023-02-17	12.99	1986
8599	c_6739	2021-03-01	8.80	(45, 55]	2023-02-11	9.45	1969

	client_id	genre	Age	Année naissance	Tranche d'âge	CA réalisé	Nbr produits achetés	Nbr sessions	Panier moyen par session	Panier moyen par article	Première commande	Montant 1ère commande	Dernière commande	Montant dernière commande	Mois 1ere com	Mois Der. com
8597	c_997	f	29	1994	(25, 35]	1490.01	59	24	62.08	25.25	2021-04-30	42.51	2023-02-05	12.14	April-2021	February-2023
8598	c_998	m	22	2001	(18, 25]	2779.88	53	23	120.86	52.45	2021-03-18	69.99	2023-02-22	181.99	March-2021	February-2023
8599	c_999	m	59	1964	(55, 65]	701.40	46	42	16.70	15.25	2021-07-10	19.50	2023-02-10	19.50	July-2021	February-2023

	Année - Mois	CA en millier d'euros
21	2022-12	509.59
22	2023-01	516.78
23	2023-02	456.04

	client_id	CA réalisé	Nbr sessions	Panier moyen par session	Nbr produits achetés	Panier moyen par article
0	c_1609	323678.54	10997	29.43	25465	12.71
1	c_4958	288600.82	3851	74.94	5183	55.68
2	c_6714	153417.5	2620	58.56	9174	16.72

sex	Age-Range	f	m	Total	fréquence
0	(18, 25]	21802	25968	47770	0.070
1	(25, 35]	54966	52968	107934	0.159
2	(35, 45]	106512	128739	235251	0.347
3	(45, 55]	87063	71783	158846	0.234
4	(55, 65]	32921	32957	65878	0.097
5	(65, 75]	24152	19457	43609	0.064
6	(75, 85]	7886	7572	15458	0.023
7	(85, 95]	2681	1078	3759	0.006

	Age	Moyenne des sessions	Nbr de sessions
0	19	31.0	15126
1	20	26.0	4365
2	21	29.0	4579

	session_id	client_id	sex	Age	price
342314	s_99998	c_2795	f	45	35.11
342313	s_99997	c_3521	f	44	6.99
342312	s_99996	c_4900	f	49	56.27

	client_id	genre	Age	Année naissance	Tranche d'âge	CA réalisé	Nbr produits achetés	Nbr sessions	Panier moyen par session	Panier moyen par article	Première commande	Montant 1ère commande	Dernière commande	Montant dernière commande	Mois 1ere com	Mois Der. com
26	c_8051	f	31	1992	(25, 35]	110.47	2	1	110.47	55.24	2021-12-01	67.99	2021-12-01	42.48	December-2021	December-2021
27	c_8351	f	55	1968	(45, 55]	6.31	1	1	6.31	6.31	2021-10-26	6.31	2021-10-26	6.31	October-2021	October-2021
28	c_8531	m	20	2003	(18, 25]	27.18	3	1	27.18	9.06	2021-12-23	15.20	2021-12-23	7.99	December-2021	December-2021

	Age-Range	price	%
0	(18, 31]	3287.69	27.77
1	(31, 51]	5531.98	46.73
2	(51, 95]	3019.18	25.50

	Age-Range	CA Tranche Ages (en millier)	Taux Tranche Ages	Age	CA par Age	Taux Age	Moyenne des sessions	Nbr de sessions
73	(51, 95]	3019.18	25.5	92	2815.45	0.02	36.5	170
74	(51, 95]	3019.18	25.5	93	4013.87	0.03	29.0	226
75	(51, 95]	3019.18	25.5	94	3221.85	0.03	49.0	201

	client_id	CA/client
677	c_1609	323678.54
4388	c_4958	288600.82
6337	c_6714	153417.5
2724	c_3454	113669.85

	df	sum_sq	mean_sq	F	PR(>F)
C(tranchages)	7.0	3.013551e+07	4.305074e+06	44.258419	3.516301e-62
Residual	11528.0	1.121343e+09	9.727129e+04	NaN	NaN

	Age	18-25
0	19	15126.0
1	20	4365.0
2	21	4579.0

	df	sum_sq	mean_sq	F	PR(>F)
C(tranchages)	7.0	4.140623e+09	5.915175e+08	26.578797	3.737032e-17
Residual	68.0	1.513356e+09	2.225524e+07	NaN	NaN

	df	sum_sq	mean_sq	F	PR(>F)
C(tranchages)	7.0	5261.486121	751.640874	27.849222	1.194836e-17
Residual	68.0	1835.296495	26.989654	NaN	NaN

	Age	18-25
0	19	40.20
1	20	40.69
2	21	40.15

NOTEBOOK - Stéphane Srsa

PROJET 6

Analysez les ventes d'une librairie

SOMMAIRE

1 - Importation des librairies et des fichiers

1.1 - Importation des librairies

1.2 - Importation des librairies statistiques

1.3 - Importation des fichiers

1.4 - Création des fonctions

2 - Analyse exploratoire des fichiers

2.1 - Analyse exploratoire du fichier 'customers'

2.2 - Analyse exploratoire du fichier 'products'

2.3 - Analyse exploratoire du fichier 'transactions'

3 - Traitement des fichiers en vu des analyses

3.1 - Jointure des tables 'transactions' et 'products'

3.2 - Jointure des tables 'transactions' et 'customers'

3.3 - Nettoyage/Préparation du Df 'transanalyse' avec lequel les analyses seront réalisées

4 - Analyses sur le Chiffre d'affaires

4.1 - Chiffres d'affaires total et mensuel sur les deux dernières années

4.2 - Calcul du panier moyen

4.3 - Analyse sur le turnover clients

4.4 - Chiffre d'affaires par catégorie

4.5 - Chiffre d'affaires réalisé en fonction de l'âge / tranches d'âges

4.6 - Moyennes mobiles (Tendance globale)

4.7 - Projection du Chiffre d'affaires avec Prophet

5 - Analyses sur les variables

5.1 - Variable 'Prix'

5.2 - Variable 'Age'

5.3 - Comparaison de distribution sur les groupes 'Femmes'/'Hommes'

5.4 - Mesures de tendance centrale sur les catégories

6 - Etude sur les références / catégories

6.1 - Distribution empirique des catégories

6.2 - Courbes de Pareto sur les catégories

6.3 - Quantités de livres vendus : Top et Flop des catégories

6.4 - Top Chiffres d'Affaires toutes catégories

7 - Profil clientèle - Répartition du CA

7.1 - Distribution empirique des ages

7.2 - Analyse du panier moyen par tranche d'âges et nombre de sessions

7.3 - Analayse sur les sessions

7.4 - Comparaison entre nombre de clients et Ca réalisé par tranche d'âges

7.5 - Répartition du Chiffre d'affaires

7.6 - Analyse de la saisonnalité

8 - Etude sur les corrélations

8.1 - Corrélation entre le genre client et la catégorie de livre acheté

8.2 - Corrélation entre l'âge des clients et le montant total des achats

8.3 - Corrélation entre l'âge des clients et la fréquence d'achat

8.4 - Corrélation entre l'âge des clients et la taille du panier moyen

8.5 - Corrélation entre l'âge des clients et la catégorie des livre acheté

1 - Importation des librairies et chargement des fichiers

1.1 - Importation des librairies

1.2 - Importation des librairies statistiques

1.3 - Importation des fichiers

1.4 - Création des fonctions

Etape 2 - Analyse exploratoire des fichiers

2.1 - Analyse exploratoire du fichier 'customers'

Le fichier 'customers' ne contient aucune valeur manquante, ni de doublons.

Nous pouvons utiliser 'client_id' comme clé primaire.

2.2 - Analyse exploratoire du fichier 'products'

Le fichier 'products' ne contient aucune valeur manquante, ni de doublons.

Nous pouvons utiliser 'id_prod' comme clé primaire.

2.3 - Analyse exploratoire du fichier 'transactions'

Le fichier 'transactions' ne contient aucune valeur manquante, les doublons ont été supprimés.

Les 200 tests on été supprimés.

3 - Traitement des fichiers en vu des analyses

3.1 - Jointure des tables 'transactions' et 'products'

3.2 - Jointure des tables 'transactions' et 'customers'

3.3 - Nettoyage/Préparation du Df 'transanalyse' avec lequel les analyses seront réalisées

Vérification des incohérences.

Choix du traitement à apporter.

- Pour les 26 enregistrements manquants : Ajouter des lignes par date avec un CA basé sur le CA moyen de la catégorie 1.0 ou Création aléatoire des Ca/jour (Hypothèse : CA récupérer auprès de la comptabilité.

- Pour le produit 0_2245, il appartient à la catégorie 0.0, le prix va être calculer sur le prix moyen de la catégorie 0.0

Imputation du prix pour le produit 0_2245

Ajout de lignes pour la catégorie 1.0

Solution retenue : Création aléatoire des Ca/jour basée du l'hypothèse que les données ont été récupérées auprès de la comptabilité.

Création d'une colonne tranche d'âge appelée 'Age-range'

4- Analyses sur le Chiffre d'affaires

4.1 - Chiffres d'affaires total et mensuel sur les deux dernières années

4.2 - Calcul du panier moyen

4.3 - Analyse sur le turnover clients

Observations :

	df	sum_sq	mean_sq	F	PR(>F)
C(tranchages)	2.0	7012.921423	3506.460711	3052.325198	4.428258e-71
Residual	73.0	83.861193	1.148783	NaN	NaN